تعیین ظرفیت باربری شمع های کوبشی در خاک های ماسه ای با استفاده از شبکه های عصبی مصنوعی

Authors

علی اکبر گلشنی

مظاهر برنتی

سید شهاب الدین یثربی

abstract

اثر عواملی نظیر ناهمسانی محیط خاک در برگیرنده یک شمع، اجرای شمع، جنس شمع و شکل آن، تخمین صحیح ظرفیت باربری یک شمع را با مشکل همراه می­سازد. با آن که آزمایش بارگذاری شمع می­تواند با وجود دقت بالا، به عنوان یک روش قابل اعتماد در مراحل مختلف تحلیل و طراحی به کار رود، هزینه های زیاد و زمان انجام طولانی را برای پروژه­های عمرانی تحمیل می­کند و همین مساله باعث ایجاد محدودیت­هایی در انجام این آزمایش می­شود. در این میان مدل سازی با استفاده از شبکه­های عصبی مصنوعی روشی است که بر اساس داده­ها و اطلاعات قبلی بوده و نیازی به ساده سازی و استفاده از ضرایب اطمینان بالا ندارد. در این مقاله، شبکه­های عصبی مصنوعی برای پیش­بینی ظرفیت باربری شمع­های فلزی ته باز کوبیده شده در خاک­های ماسه­ای، به کار گرفته شده­اند. از 4 پارامتر طول شمع، قطر شمع، مدول الاستیسیته خاک و زاویه اصطکاک داخلی آن به عنوان ورودی و از ظرفیت باربری شمع به عنوان خروجی استفاده شده است. چگونگی طراحی شبکه و عوامل موثر بر رفتار آن در مسئله مربوطه به صورت خلاصه بررسی شده است. در پایان با آنالیز حساسیت بر روی ساختار بهینه مدل های معرفی شده، در خصوص چگونگی اثر 4 پارامتر ورودی بر خروجی شبکه بحث شده است. .

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

تخمین نسبت باربری کالیفرنیا خاک های مردابی بهسازی شده با استفاده از شبکه عصبی مصنوعی

امروزه استفاده از روش اختلاط عمیق برای بهبود روسازی جاده ها گسترش یافته است. یکی از مهمترین اهداف این روش ، افزایش ضریب باربری کالیفرنیا و کاهش نشست روسازی می باشد. در سال های اخیر، مدلسازی به وسیله هوش محاسباتی، جایگاه ویژه ای در مهندسی عمران پیدا کرده است وتخمین رفتار و فرایند مقاوم سازی که با پیچیدگی های فراوانی روبه رو بوده، تا حدودی به کمک این روش ها میسر شده است. هدف اصلی این تحقیق، ساخت ...

full text

تعیین ظرفیت باربری شمع های کوبیده شده در خاک های غیرچسبنده با رویکرد شبکه ی عصبی موجکی

تعیین ظرفیت باربری شمع های کوبیده شده در خاک های غیرچسبنده با وجود منابع علمی زیاد، کماکان توأم با پیچیدگی است. یک شبکه ی عصبی موجک، توابع موجک را به منزله ی توابع فعال ساز نرون های لایه ی پنهان از شبکه ی عصبی پیشخورد به کار می گیرد. در این شبکه ها هر دو پارامتر انتقال و مقیاس موجک ها در کنار وزن هایشان بهینه می شوند. در رویکردی خاص از ساخت این نوع شبکه ها، با عنوان ویونت، پارامترهای انتقال و م...

full text

بررسی آزمایشگاهی ظرفیت باربری شمع های مخروطی در خاک های ماسه یی تحت بارهای استاتیکی قائم

مطالعاتی که تاکنون بر روی شمع ها صورت گرفته است، عموماً بر روی شمع های استوانه یی بوده است. پژوهش های محدودی که بر روی شمع های مخروطی انجام شده است، بیان گر مزیت این نوع شمع ها از نظر ظرفیت باربری و سختی است. در این نوشتار به مقایسه ی ظرفیت باربری ۴ نوع شمع مخروطی با زاویه های مختلف در ماسه ریزدانه ی گردگوشه معروف به ماسه بادی یزد و ماسه شکسته شده به روش مصنوعی تحت نیروی استاتیکی که بر روی دستگا...

full text

پیش بینی ظرفیت باربری نهایی استاتیکی شمع با استفاده از شبکه های عصبی مصنوعی

هدف در این پایان نامه، پیش بینی ظرفیت باربری نهایی استاتیکی شمع های کوبیده شده با انتهای بسته، با استفاده از شبکه عصبی بوده است. همانطور که می دانیم معمولا استفاده از شبکه های عصبی در پیش بینی های ژئوتکنیکی در صورتی امکان پذیر است که، یک سری اطلاعات آزمایشگاهی موجود باشد. در اینجا، اطلاعات موجود، مربوط به دو آزمایش cpt و آزمون بارگذاری استاتیکی شمع می باشد. در واقع هر جا که شمع ساخته شده و مورد...

15 صفحه اول

بررسی ظرفیت باربری شمع های کوتاه تحت اثر بار جانبی در خاک ماسه یی

در بسیاری از سازه ها، بارهای جانبی بالایی نسبت به بارهای ثقلی به سازه تحمیل می شوند. شمع های این گونه سازه ها را، که تحت اثر بارهای جانبی قابل توجهی قرار می گیرند، می توان به ۲ گروه شمع های بلند و کوتاه تقسیم کرد. معمولاً تخمین ظرفیت باربری شمع تحت اثر بار جانبی برای شمع های کوتاه براساس بیشینه ی ظرفیت باربری و برای شمع های بلند براساس تغییرمکان افقی مجاز است. در این پژوهش، برای بررسی رفتار شمع ...

full text

My Resources

Save resource for easier access later


Journal title:
مهندسی عمران مدرس

Publisher: دانشگاه تربیت مدرس

ISSN

volume 14

issue ویژه نامه تابستان 2014

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023