تخمین سرعت نفوذپذیری پایه با استفاده از مدلهای نروفازی، شبکه عصبی و رگرسیون خطی چندمتغیره
Authors
Abstract:
ننفوذ یکی از مهمترین مشخصههای فیزیکی خاک است که اندازهگیری مستقیم آن دشوار، زمانبر و پرهزینه میباشد. هدف از این پژوهش تخمین سرعت نفوذپذیری پایه با استفاده مدلهای نروفازی، شبکة مصنوعی و رگرسیون خطی چند متغیره است. بدین منظور، در 100 نقطه در منطقه دهگلان استان کردستان سرعت نفوذپذیری پایه با استفاده از استوانه مضاعف اندازهگیری شد. ویژگیهای فیزیکی خاک (تخلخل، جرم ویژه ظاهری، شن، سیلت و رس) و توپوگرافی به عنوان ویژگیهای زودیافت اندازهگیری شده و برای برآورد نفوذپذیری خاک استفاده شدند. دادهها به دو سری آموزشی (70 درصد دادهها) و آزمون (30 درصد داده ها) تقسیم شدند. مدلها بر اساس نوع ورودی به نوع 1 (ویژگیهای فیزیکی خاک) و 2 (ویژگیهای فیزیکی خاک و توپوگرافی) طبقه بندی شدند. نتایج ارزیابی مدلها بر اساس شاخصهای ریشة میانگین انحراف خطا، مربعات خطا، میانگین خطا، خطای استاندارد نسبی و بهبود نسبی نشان داد که مدل نروفازی نوع 1 به ترتیب با آمارههای 0.24، 1.3، 1.69، 0.25 و 65.41 و نوع 2 به ترتیب با آماره-های 0.1-، 0.95، 0.84، 0.18 و 71.52، دارای بالاترین دقت در تخمین سرعت نفوذپذیری پایه میباشد. همچنین مشاهده شد که استفاده از دادههای توپوگرافی به عنوان ورودی همراه با ویژگیهای فیزیکی خاک میتواند منجر به بهبود دقت تخمین سرعت نفوذپذیری پایه شود.
similar resources
پیشبینی اسلامپ بتن با استفاده از مدل شبکه عصبی مصنوعی و روش رگرسیون چندمتغیره خطی
روشهای مختلفی جهت اندازهگیری کارایی بتن وجود دارد که یکی از متداولترین و معمولترین روشها، آزمایش اسلامپ است. جهت دستیابی به مخلوطهای بتنی با اسلامپ مورد نظر، باید مخلوطهای مختلف بتنی ساخته شود و آزمایش اسلامپ بر روی آنها صورت گیرد. جهت صرفهجویی در زمان، هزینه و مصالح بهتر است از روشهای هوشمندی جهت پیشبینی اسلامپ بتن بر اساس نتایج مربوط به تعداد معینی از مخلوطهای بتنی استفاده شود. د...
full textتخمین مدول الاستیسیته سنگ بکر با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی
مدول الاستیسیته سنگ بکر یکی از ملزومات اساسی بسیاری از مطالعات ژئومکانیکی و به ویژه پروژه های حفاری سنگ می باشد. برای تعیین مستقیم مدول الاستیسیته نمونه مغزههای باکیفیت بالا و هندسه مناسب مورد نیاز بوده و تهیه نمونههای مناسب از سنگهای شکسته و هوازده برای این منظور به آسانی امکانپذیر نیست. بنابراین مدلهای پیشبینی مدول الاستیسیته براساس خصوصیات شاخص سنگ بکر ارائه گردیدهاند. در این مطالعه ب...
full textپیشبینی سیل با استفاده از شبکه عصبی مصنوعی و رگرسیون چندمتغیره غیرخطی (مطالعه موردی: طالقان)
با توجه به کمبود ایستگاههای اندازهگیری در کشور، لزوم استفاده از مدلهای تجربی برآورد دبی حداکثر لحظهای بسیار ضروری است. در این پژوهش از دو مدل شبکه عصبی و رگرسیون چندمتغیره غیرخطی برای پیشبینی دبی اوج در حوزة آبخیز طالقان استفاده گردید. با استفاده از آمار دبیهای متوسط حداکثر روزانه و بارشهای متناظر، یک روز قبل و پنج روز قبل و مجموع بارندگی پنج روزه و همچنین دمای میانگین ماهانه در واحدهای...
full textارزیابی عملکرد رگرسیون چندمتغیره، شبکه عصبی مصنوعی و برنامهریزی بیان ژن در تخمین برخی خصوصیات خاک
چکیده سابقه و هدف: با ظهور سیستمهای کامپیوتری در کنار سامانه اطلاعات جغرافیایی و دسترسی به دادههای رقومی مکانی، روشهای مختلف دادهکاوی، مدلسازی و تخمین خصوصیات خاک، جایگاه خود را در علوم خاک و پدومتری باز کرده است. دادهکاوی خصوصیات خاک با استفاده از روشهای آماری کامپیوتر- محور به کشف الگوهای پنهان در بانک اطلاعاتی دادهها میپردازد که در نهایت منجر به برازش مدل به منظور استفاده و تخمین خ...
full textMy Resources
Journal title
volume 6 issue 4
pages 1- 15
publication date 2019-02-20
By following a journal you will be notified via email when a new issue of this journal is published.
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023