ارزیابی و سنجش پتانسیل روانگرایی خاک ها با استفاده از شبکه های عصبی مصنوعی

thesis
abstract

در این تحقیق از مدل شبکه عصبی پرسپترون چند لایه استفاده شده است و مدل های پیشنهادی مربوط به دو مجموعه داده می باشند. گروه اول داده های اندازه گیری شده با آزمایش cpt و گروه دومِ داده های اندازه گیری شده با آزمایش spt می باشند. بعد از به دست آمدن شبکه های بهینه و مشخص شدن وزن های آن ها، به کمک وزن ها اهمیت نسبی پارامترها و میزان تأثیر هریک از آن ها به دست آمده. بعد از محاسبه اهمیت نسبی پارامترها با حذف پارامترهای کم اهمیت، دقت شبکه ها را بالاتر برده و به جواب های دقیق تری رسیده ایم. پس از تحلیل نتایج مشاهده شد که با اهمیت ترین پارامتر در مجموعه داده های cpt عدد qc و در مجموعه داده های spt عدد (n1)60 می باشد. پس از موفقیت در پیش بینی روانگرایی حال می توان به تحلیل و شناخت بیشتر این پدیده به کمک شبکه های عصبی پرداخت

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

استفاده از شبکه عصبی مصنوعی در تعیین پتانسیل روانگرایی خاک و پهنه بندی روانگرایی خاک بابل

چکیده ندارد.

15 صفحه اول

ارزیابی پتانسیل روانگرایی خاک با استفاده از شبکه های عصبی مصنوعی

تعیین پتانسیل روانگرایی در اثر زلزله یک مسئله پیچیده در مهندسی ژئوتکنیک است که فاکتورهای زیادی از قبیل پارامترهای خاک و خصوصیات زلزله را شامل می شود. از آنجائی که در زمینه تحقیقات علمی منابع مالی محدود بوده و از طرفی جهت تعیین روانگرایی در هر نقطه امکان حفر گمانه به دلیل هزینه بالای آن وجود ندارد، امروزه مهندسین رو به روشهائی آورده اند تا با استفاده از اطلاعات موجود و مناسب، کاستن از هزینه ها ر...

برآورد دمای روزانه خاک با استفاده از شبکه عصبی مصنوعی

دمای خاک یکی از متغیرهای مهم در مطالعات هیدرولوژی، هواشناسی، کشاورزی و اقلیم­شناسی است که اندازه­گیری و برآورد آن ضروری است. با توجه به این­که دمای خاک فقط در ایستگاه­های سینوپتیک کشور اندازه­گیری می­شود، کمبود آن در نقاط فاقد ایستگاه از چالش­های بزرگ در بسیاری از مطالعات مرتبط با کشاورزی است. در این پژوهش، با استفاده از پارامترهای هواشناسی ایستگاه سینوپتیک شیراز در یک دوره 9 ساله (2008-2000) ب...

full text

ارزیابی پتانسیل وقوع روانگرایی با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی بعنوان یک ابزار قوی برای مدلسازی مسائل پیچیده مورد استفاده قرار می گیرد. کاربرد شبکه ها عصبی نسبت به روشهای مرسوم برای پیش بینی روانگرایی موفق تر و ساده تر می باشد. تحقیقات اخیر نشان داده است که پیش بینی روانگرایی بوسیله نتایج آزمایش ‏‎cpt‎‏ نسبت به آزمایش ‏‎spt‎‏ بدلیل برتری های آن از ارجحیت برخوردار می باشد. مجموعه داده های قابل اعتمادی از آزمایش ‏‎cpt‎‏ در مناطق روانگرا شده جمع...

15 صفحه اول

برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی شهرستان سنندج با استفاده از مدل شبکه عصبی مصنوعی

زمینه و هدف: شناسایی آبهای زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدلسازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه میتواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روشها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه ها ی مجو...

full text

ارزیابی پتانسیل روانگرایی خاک با استفاده از شبکه عصبی مصنوعی(مطالعه موردی: شهرک مسکونی سیمرغ واقع در شهرستان اسلامشهر)

پدیده روانگرایی از جمله حوادثی است که بر اثر زلزله عموما در یک توده خاک سست و اشباع خصوصا خاک ماسه ای و در مواقعی نیز در خاکهای ریزدانه رخ می دهد .پدیده روانگرایی باعث آسیب به سازه های روی خاک می شود، بنابراین ارزیابی پتانسیل روانگرایی برای کاهش این خطرات در همه ایران که پتانسیل لرزه خیزی بالایی دارد، به خصوص در شهرهای بزرگ مانند تهران و اطراف تهران ضروری به نظر می رسد. از آنجایی که ارزیابی روا...

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

دانشگاه آزاد اسلامی - دانشگاه آزاد اسلامی واحد تهران مرکزی - دانشکده مهندسی عمران

Keywords

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023