پیش بینی نشست در شالوده های سطحی روی خاکهای غیرچسبنده بااستفاده از روش شبکه های عصبی مصنوعی
thesis
abstract
شبکه های عصبی مصنوعی شاخه ای از هوش مصنوعی هستند که در معماری آنها تلاش بر شبیه سازی سیستم بیولوژیک مغز انسان می باشد. در این تحقیق برای پیش بینی مقدار نشست پی های سطحی متکی بر خاکهای غیرچسبنده از شبکه های عصبی مصنوعی با الگوریتم های پس انتشار خطا و توابع پایه شعاعی استفاده شده است، به این منظور از یک بانک اطلاعاتی شامل 200 مجموعه داده اندازه گیری شده دقیق بهره گرفته شده است، مقادیر پیش بینی شده نشست توسط شبکه های عصبی مصنوعی با نتایج حاصل از روشهای معین رایج مقایسه شده و بیانگر این مطلب است که شبکه عصبی ارائه شده نتایج دقیق تری را نسبت به روشهای معین موجود ارائه می دهد علاوه بر آنکه طراحی شبکه عصبی همراه با حذف داده های ناسازگار می تواند نتایج قابل قبولتری را ارائه داد.
similar resources
پیش بینی نشست سطحی ناشی از حفر تونل با استفاده از شبکه های عصبی مصنوعی؛ مطالعۀ موردی: تونل متروی مشهد
در هنگام حفر تونل در فضاهای شهری، جلوگیری از آسیب و تخریب سازههای مجاور اهمیت ویژهای دارد. برای کاهش این آسیبها باید از نشست سطحی زمین جلوگیری کرد. در سالهای اخیر بررسی‌های گستردهای در زمینۀ پیشبینی نشست سطحی زمین در اثر حفر تونل انجام شده است. انتخاب روش مناسب به عوامل مختلفی بستگی دارد. نشست سطحی ناشی از حفر تونل با کمک متغیرهای ورودی که تأثیر فیزیکی چشم‌گیری بر نشست دارند، پیشبینی شده...
full textکاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه
پیشبینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیشبینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...
full textروش جدید پیش بینی نشست آنی شالوده های سطحی با استفاده از سختی حداکثر خاک ها
بیشتر روش های موجود برای تخمین نشست شالوده های سطحی مستقر بر روی خاک های غیرچسبنده براساس همبستگی های میان نتایج آزمایش های برجا، همچون نفوذ استاندارد با مدول یانگ هستند. نشست پیش بینی شده بر اساس نتایج این گونه آزمایش ها، پراکنده و اغلب غیر واقع بینانه است. در این نوشتار سعی شده است با ارائه ی یک رویکرد جدید، تخمین نشست شالوده های سطحی بر روی خاک های غیرچسبنده مورد توجه قرار گیرد، که در آن از ...
full textمقایسه قدرت پیش بینی روش شبکه عصبی مصنوعی با سایر روش های پیشبینی: مورد قیمت چغندرقند
این مطالعه با هدف پیشبینی قیمت اسمی و واقعی چغندرقند و مقایسه روش شبکه عصبی مصنوعی با سایر روشها صورت گرفت. پس از بررسی ایستایی سریها، تصادفی بودن متغیرها با استفاده از دو آزمون ناپارامتریک والد- ولفویتز و پارامتریک دوربین- واتسون بررسی شد. براساس نتایج این آزمونها سری قیمت اسمی چغندرقند بهعنوان سری غیرتصادفی و قابل پیشبینی و سری قیمت واقعی بهعنوان سری تصادفی ارزیابی شد. دوره مطالعه نیز ...
full textمقایسه عملکرد شبکه های عصبی مصنوعی و شبکه های عصبی موجکی در پیش بینی درصد شکستگی جو در کمباین برداشت
در این تحقیق، نحوه عملکرد شبکه های عصبی موجکی با شبکه های عصبی مصنوعی در پیش بینی درصد شکستگی دانه های جو در کمباین مقایسه شد. شبکه‌های مزبور به صورت تابعی از درجه حرارت هوا، سرعت کوبنده، سرعت پیشروی کمباین، فاصله کوبنده و ضدکوبنده در جلو و عقب واحد کوبنده و درصد رطوبت جو آموزش داده شد. شبکه عصبی موجکی (RASP1) با دقت 2/90 درصد در پیش بینی شکستگی دانه جو به عنوان یک جایگزین مناسب برای شبکه‌های...
full textبررسی ترکیب تبدیل های موجک و شبکه عصبی در پیش بینی جریان های سطحی تنگه هرمز
جریان‌های سطحی اقیانوسی، نقش مهمی در انتقال گرما و تغییرات آب و هوایی دارد. ازاین‌رو، پیشبینی جریان‌های دریایی از اهمیت بسزایی در اقیانوس‌شناسی برخوردار است. در این پژوهش با به‌کارگیری شبکه‌‌عصبی و تکنیک تبدیل موجک به پیشبینی جریان‌های سطحی تنگه‌هرمز پرداخته شده است. بدین منظور داده‌های ثبت‌شده این حوزه از نوامبر سال 1992 تا دسامبر سال 2014 با گام زمانی 5 روزه از سایت ناسا تهیه و با به‌کا...
full textMy Resources
document type: thesis
وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز
Keywords
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023