استفاده از شبکه عصبی در پیش بینی رفتار خاک های متورم شونده رسی

thesis
abstract

در این تحقیق از روشی نوین با بکارگیری قابلیت شبکه عصبی مصنوعی برای پیش بینی رفتار تورمی خاک های رسی استفاده شده است. در این روش داده ها با استفاده از انواع آرایش شبکه های چند لایه پرسپترون، که از پرکاربردترین نوع شبکه های عصبی می باشد مدل شده اند. نتایج حاصل از این شبکه ها بر اساس شاخص های ارزیابی معرفی گردیده و با یکدیگر قیاس شده اند که منجر به انتخاب بهترین آرایش شبکه از لحاظ دقت و کاربرد گردیده است. لازم به ذکر است که پارامترهای رطوبت، اندیس خمیری، حد روانی، حد خمیری، دانسیته خشک و درصد ریزدانه خاک بعنوان پارامتر های ورودی و پارامتر های فشار تورم و درصد تورم آزاد، هریک بطور جداگانه بعنوان پارامتر خروجی در نظر گرفته شده است. خاک های در نظر گرفته شده برای این شبکه بدلیل اینکه از مناطق مختلفی می باشند، لذا شبکه عصبی فوق قابلیت پیش بینی رفتار تورمی انواع خاکهای رسی را دارا می باشد. همچنین جهت آموزش سیستم شبکه های عصبی مورد تحقیق، از نتایج پژوهشهای قبلی، داده های خام مهندسین مشاور ژئوتکنیک و پایانامه های موجود در زمینه خاکهای متورم شونده استفاده گردیده است. پس از طراحی و پردازش 144 شبکه عصبی مختلف با ساختار،آرایش و توابع محرک گوناگون، شبکه ای با ساختار mlp استاتیکی با دو لایه پنهان و شش نرون برای هرلایه پنهان آن، بعنوان بهترین شبکه فشار تورم و شبکه ای با ساختار mlp استاتیکی با یک لایه پنهان و پنج نرون لایه میانی بعنوان بهترین شبکه تورم آزاد شناخته شد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

استفاده از نانو ذرات رس برای تثبیت خاک های رسی متورم شونده

To deal with the destructive effects of swelling soils, different methods have been proposed by researchers. Chemical stabilization of expansive soils is one of the effective methods that are low-cost and efficient economically and technically. Recently, with the improvements of nano science in nanomaterials production and application, using this type of materials has been considered in differe...

full text

بررسی رفتار تورمی- انقباضی یک خاک متورم شونده

خاکهای رسی متورم‌شونده در چرخه‌های تر و خشک شدن متوالی، رفتار تورمی-انقباضی از خود بروز می‌دهند. تغییر حجم خاک در نتیجه بروز این رفتار موجب ایجاد خسارت در ابنیه ساخته شده بر این خاکها می‌شود. در این مقاله بمنظور مطالعه این رفتار، یک نمونه خاک متورم شونده متراکم شده به روش استاتیکی، در یک دستگاه ادئومتر اصلاح شده در معرض چرخه‌های متوالی تر و خشک قرار داده شد. ثبت تغییرشکل محوری خاک و همچنین تغیی...

full text

پیش بینی رفتار تغییر شکل داغ آلیاژ آلومینیوم 2030 با استفاده از شبکه عصبی مصنوعی

رفتار تغییر شکل داغ مواد بدلیل وابستگی آن به تغییرات کرنش، نرخ کرنش و دما دارای پیچیدگی های قابل ملاحظه ای است و لذا پیش بینی  رفتار ماده در این شرایط مشکل می باشد. هدف از این بررسی پیش بینی رفتار تغییر شکل داغ  آلیاژ آلومینیوم 2030 با استفاده از یک شبکه عصبی مصنوعی توسعه یافته مناسب می باشد. برای این منظور از آزمایش­های فشار داغ در محدوده دمایی بین 350 تا 500 درجه سلسیوس و در نرخ کرنش­های بین ...

full text

استفاده از رهیافت های شبکه عصبی و مدل های خودرگرسیونی در پیش بینی رشد اقتصادی ایران

یکی از مسائل مهم در اقتصاد پیش بینی رشد اقتصادی می باشد که با توجه به اینکه، پیش بینی صحیح رشد اقتصادی، آثار مهمی در سیاست گذاری و برنامه ریزی های اقتصادی دولت دارد و می تواند علاوه بر ایجاد زمینه‌ی توسعه روش های جدید پیش بینی، سیاست گذاران را در تصمیم گیری آتی یاری رساند، لذا هدف این مقاله پیش بینی رشد اقتصادی ایران با استفاده از سه مدل شبکه عصبی، میانگین متحرک خودرگرسیون تجمعی، خودرگرسیون وار...

full text

کاربردهای شبکه های عصبی در پیش بینی سری های زمانی

استفاده از روش های غیر کلاسیک در شناسایی مدل و پیش بینی رفتار سیستم های پیچیده، مدتهاست در محافل علمی و حتی حرفه ای متداول و معمول شده است. در بسیاری از سیستم های پیچیده و خصوصا غیر خطی که مدل سازی و به دنبال آن پیش بینی و کنترل آنها از طریق روش های کلاسیک و تحلیلی امری بسیار دشوار و حتی بعضا غیر ممکن می نماید، از روش های غیر کلاسیک که از ویژگی هایی همچون هوشمندی، مبتنی بر معرفت و خبرگی برخوردا...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تربیت مدرس - دانشکده فنی مهندسی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023