پیش‌بینی مدول برجهندگی مصالح اساس تثبیت‌شده تحت اثر سیکل‌های تر و خشک‌شدن با استفاده از سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)

Authors

امیر توانا املشی دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران

حکیمه عباسلو استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران

علیرضا‌ غنی‌زاده استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران

Abstract:

یکی از مهم‌ترین پارامترهای ورودی برای طراحی روسازی با استفاده از روش مکانیستیک- تجربی، مدول برجهندگی مصالح مختلف روسازی است. مدول برجهندگی معمولاً با انجام آزمایش بارگذاری سه محوری دینامیک تعیین می شود که بسیار پر هزینه و زمان‌بر است و نیاز به امکانات آزمایشگاهی خاصی دارد. هدف از این مقاله ارائه یک مدل بر پایه سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) به‌منظور پیش‌بینی مدول برجهندگی مصالح اساس تثبیت‌شده با افزودنی‌های مختلف تحت اثر سیکل‌های تر و خشک شدن است. برای این منظور از یک پایگاه داده آزمایشگاهی متشکل از 704 رکورد استفاده شد. در این تحقیق پارامترهای ورودی به مدل ANFIS شامل تعداد سیکل‌های تر و خشک شدن، نسبت آهک آزاد به سیلیس، آلومینا و ترکیبات اکسید آهن در مواد سیمانی(SFA)، نسبت دانسیته خشک حداکثر به درصد رطوبت بهینه، تنش انحرافی و تنش محدودکننده در نظر گرفته شدند. نتایج نشان‌دهنده‌ی دقت بالای مدل با ضریب رگرسیون 9669/0 و 9625/0 به ترتیب برای مجموعه‌داده‌های آموزش و آزمون و 9655/0 برای کل داده‌ها بود. به‌علاوه نتایج تحلیل حساسیت مدل نشان داد که متغیر نسبت دانسیته خشک حداکثر به درصد رطوبت بهینه (DMR) دارای بیش‌ترین تأثیر و متغیر تعداد سیکل خشک و تر شدن (WDC) کمترین تأثیر را بر مدول برجهندگی اساس تثبیت‌شده دارد. در ضمن نتیجه گرفته شد که مدول برجهندگی وابستگی بیشتری به مقدار تنش انحرافی در مقایسه با تنش محدودکنندهدارد.

Upgrade to premium to download articles

Already have an account?login

similar resources

پیش‌بینی مدول برجهندگی خاک‌های ریزدانه با استفاده از شبکه عصبی مصنوعی، ماشین بردار پشتیبان و سیستم استنتاج تطبیقی عصبی-فازی بهینه‌سازی‌شده با الگوریتم ازدحام ذرات

مدول برجهندگی خاک بستر ازجمله پارامترهای بسیار مهم در تحلیل و طراحی روسازی‌ است. این پارامتر هم در روش‌های تجربی (مانند اشتو 1993) و هم در روش‌های مکانیستیک-تجربی (مانند MEPDG) به عنوان اصلی‌ترین پارامتر برای بیان مقاومت و خصوصیات مکانیکی خاک بستر مورداستفاده قرار می‌گیرد. برای تعیین این پارامتر نیاز است تا آزمایش بارگذاری سه محوری دینامیک تحت تنش‌های محدود‌کننده و تنش‌های انحرافی مختلف بر روی ...

full text

پیش‌بینی بارش فصلی بر اساس الگوهای سینوپتیکی با استفاده از سیستم استنباط فازی- عصبی تطبیقی((ANFIS

full text

مدل‌سازی بارش- رواناب با سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) و رگرسیون خطی چندمتغیره (MLR)

در این پژوهش، کارآیی سیستم فازی- عصبی برای برآورد رواناب ناحیه کوهستانی حوضه هراز مورد ارزیابی قرار گرفت. هدف ایجاد مدلی با توابع و درجه عضویت مناسب است که بتواند رابطه بارندگی- رواناب را در یک حوضه بهدرستی برقرار کند. بدین منظور برای پیشبینی رواناب، 44 ترکیب مختلف از پارامترهای بارندگی، دما، تبخیر، دبی جریان و شاخص بارش پیشین با تأخیر زمانی بین آنها بهصورت روزانه طی دوره 32 سال آماری وارد م...

full text

پیش بینی جریان رودخانه با استفاده از سامانه استنتاج فازی(FIS) وسامانه استنتاج فازی- عصبی تطبیقی(ANFIS)

این مقاله فاقد چکیده میباشد.

full text

برآورد ضریب دبی سرریزهای جانبی با استفاده از سیستم استنتاج (ANFIS) فازی - عصبی

full text

مدل‌سازی مکانی مناطق اکتشاف نفتی با سیستم استنتاج فازی عصبی تطبیقی (ANFIS) در GIS

فرآیند اکتشاف منابع هیدروکربنی فرآیندی بسیار پیچیده و پرهزینه می‌باشد. در این فرایند فاکتورهای متعدد زمین‌شناسی، ژئوشیمی و ژئوفیزیک تهیه و باهم تلفیق می‌شوند. طراحی بهترین مسیر برای برداشت داده‌های لرزه‌نگاری و همچنین تعیین بهترین محل برای حفر چاه‌های اکتشافی از اهمیت ویژه‌ایی برخوردار است، زیرا عدم دقت در انتخاب موقعیت مکانی، صرف هزینه و زمان زیاد در طول عملیات می‌باشد. هدف این تحقیق تعیین م...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}

Journal title

جاده

volume 25 issue 90

pages 65- 75

publication date 2017-03-21

unfollow

{@ msg @}

By following a journal you will be notified via email when a new issue of this journal is published.

Keywords

مدول برجهندگی اساس تثبیت‌شده سیکل‌های تر و خشک شدن سیستم استنتاج عصبی-فازی تطبیقی (ANFIS)

Hosted on Doprax cloud platform doprax.com