تخمین مدول الاستیسیته سنگ بکر با استفاده از شبکه عصبی مصنوعی و رگرسیون غیر خطی
Authors
Abstract:
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 با استفاده از شبکه عصبی چند لایه پرسپترون با الگوریتم پس انتشار و دادههای حاصل از آزمایشات سنگ، مطلوبترین تخمین از مدول الاستیسیته برآورد گردیده و با نتایج حاصل از روش رگرسیون غیر خطی مقایسه شده است. بدین منظور، تعداد 121 داده حاصل از آزمایشات سنگ سه پروژه بهشت آباد، رودبار لرستان و سبزکوه استفاده گردیده است. پارامترهای متعددی از جمله تخلخل، مقاومت فشاری تک محوره، سرعت موج فشاری، مقاومت کششی و چگالی در تخمین پارامتر مدول الاستیسیته مورد استفاده قرار گرفتهاند. در بهینهیابی اجزای شبکه عصبی، مدل شبکه عصبی با دو لایه و چهار نورون در لایه مخفی، یک نورون در لایه خروجی و یک سری داده در لایه ورودی و تابع عملکرد tansig به عنوان ساختار بهینه شبکه عصبی برآورد شده است. نتایج حاصل از روشهای تخمین مورد استفاده توسط معیارهای ضریب تعیین و جذر مجموع مربعات خطا مورد مقایسه واقع شدهاند. این مقایسه نشانگر عملکرد مطلوبتر شبکه عصبی نسبت به رگرسیون غیر خطی میباشد. مقاومت فشاری تک محوری، سرعت موج فشاری و مقاومت کششی غیرمستقیم به ترتیب مهمترین پارامترهای تاثیرگذار بر عملکرد مدل شبکه عصبی میباشند.
similar resources
تخمین سرعت نفوذپذیری پایه با استفاده از مدلهای نروفازی، شبکه عصبی و رگرسیون خطی چندمتغیره
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) ...
full textپیشبینی 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 textبرآورد نفوذپذیری خاک توسط شبکه عصبی مصنوعی و رگرسیون خطی در اراضی کشاورزی و بکر
در سال های اخیر استفاده از روش های غیرمستقیم برای برآورد خصوصیات خاک مورد توجه قرار گرفته است. در روش های معمول، اندازه گیری نفوذپذیری نیاز به وقت و هزینه زیادی دارد از طرفی وجود عبارات غیرخطی در روابط نفوذپذیری، مدل سازی آنها را با مشکل همراه کرده است. امروزه روش شبکه عصبی مصنوعی با کارایی بالا در مدل سازی مسایل غیرخطی کاربرد روزافزون آن را سبب شده است. در این پژوهش 200 نمونه خاک جمع آوری شده ...
full textپیشبینی شاخص تردی سنگ با استفاده از رگرسیون چند متغیره غیر خطی و درخت رگرسیون CART
شاخص تردی (شکنندگی) سنگ یکی از مهمترین پارامترهای مؤثر بر حفاریهای زیرزمینی به ویژه در حفاری با ماشین (TBM) به حساب میآید که محاسبه دقیق این پارامتر برای طراحیهای ژئوتکنیکی بسیار مهم و کاربردی است. در این مقاله، شاخص تردی سنگ با استفاده از دو روش رگرسیون چند متغیره غیر خطی و همچنین درخت رگرسیون CART بر روی پایگاه داده شامل 48 ردیف دادهای از 30 پروژه تونلسازی مختلف پیشبینی شده است. این پا...
full textتخمین انرژی شکست بتن با استفاده از شبکه عصبی مصنوعی
بتن یکی از رایجترین مصالح صنعتی و ساختمانی است که به دلیل اقتصادی بودن اهمیت روز افزونی پیدا میکند. در سالهای اخیر با بهرهگیری از روشهای مختلف آزمایشگاهی، پارامترهای شکست مواد سیمانی مانند بتن مورد بررسی قرار گرفته است؛ نقش این پارامترها در طراحی سازههای سطحی و زیرسطحی از اهمیت ویژهای برخوردار است. در این مقاله مدل شکست بر اساس شبکه عصبی برای تخمین پارامترشکست بتن GF(انرژی مخصوص شکس...
full textMy Resources
Journal title
volume 6 issue 21
pages 10- 28
publication date 2016-09-22
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023