پیش بینی مدول درینامیکی مخلوط های آسفالتی با استفاده از شبکه های عصبی

thesis
abstract

مخلوط های آسفالتی در بیشتر شرایط بارگذاری و دمایی که روسازی در معرض آن قرار می گیرد، رفتار ویسکوالاستیک از خود نشان می دهند. رفتار ویسکوالاستیک مخلوط های آسفالتی با مدول دینامیکی قابل توصیف است؛ از این روی تعیین مدول دینامیکی آسفالت نقش بسیار مهمی در طراحی روسازی ها داشته و در تعیین تنش ارتجاعی و کرنش ها در یک روسازی انعطاف پذیر دارای کاربرد وسیعی است. طی ارزیابی جامع فنی و اقتصادی راهنمای آشتو 2002 در پروژه nchrp 1-40، که نتایج آن در سال 2006 میلادی منتشر شد، یکی از اساسی ترین موانع و مشکلات طراحی روسازی به روش مکانستیک، هزینه زیاد و زمان بر بودن آزمایش های پیشرفته مصالح روسازی می باشد. یکی از این آزمایش ها، آزمایش تعیین مدول دینامیکی آسفالت می باشد. شبکه های عصبی با توجه به توانایی نگاشت در فضای n بعدی و انجام پردازش موازی مشابه مغز انسان، قادرند با آموزش یافتن، قوانین موجود در فیزیک مسئله را فراگیری کرده و از آنها برای تعمیم و پیش بینی داده های جدید استفاده کنند و به این ترتیب به عنوان توابعی توانمند برای مدل سازی در فضای n بعدی مورد استفاده قرار گیرند. دراین تحقیق با استفاده از شبکه های عصبی مصنوعی، مدول دینامیکی آسفالت مدل سازی و پیش بینی شده است. داده های مورد نیاز برای آموزش و ارزیابی مدل شبکه عصبی، از داده های 1008 آزمایش مدول دینامیکی که توسط دانشگاه ایالتی اوکلاهاما انجام گرفته شده بود، استفاده شد. برای مدل شبکه عصبی ارائه شده برای مدول دینامیکی، ضریب رگرسیون شبیه سازی داده های جدید r2=0/93 حاصل شد که در مقایسه با ضریب رگرسیون مدل ویتزاک برای این داده ها r2=0/85، 8% بیشتر می باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

تحلیل مدل های معمول پیش بینی مدول دینامیکی مخلوط های آسفالتی

مدول دینامیکی یکی از مهم‌ترین پارامترهای تعیین خصوصیات ویسکوالاستیک مخلوط‌های آسفالتی بوده و به عنوان ورودی کلیدی در روش طراحی مکانیستیک-تجربی روسازی (MEPDG) مورد استفاده قرار می‌گیرد. این مدول تابعی از دما و فرکانس بارگذاری بوده و نسبت به اجزای تشکیل دهنده مخلوط آسفالتی از جمله سنگدانه‌ها، درصد قیر و فضای خالی حساس می‌باشد. از این رو روش اندازه‌گیری و تعیین مقدار آن اهمیت ویژه‌ای در طراحی و پی...

full text

تخمین کریپ کمپلینس مخلوط های آسفالتی با استفاده از شبکه های عصبی مصنوعی

یکی از آزمایش‌های اساسی در فرایند طراحی روسازی‌های انعطاف‌پذیر به روش مکانیستیک- تجربی در آشتو 2002، آزمایش کریپ کمپلینس است. در این تحقیق مدلی جدید برای تخمین کریپ کمپلینس مخلوط‌های آسفالتی با استفاده از شبکه‌های عصبی مصنوعی پرسپترون چند لایه، با تکنیک آموزش لونبرگ- مارکوات، با توان تعمیم پذیریR=0.949 ، با موفقیت ارائه شده است. این مدل 14 ورودی شامل درصدهای عبوری انتخابی از منحنی دانه‌بندی ...

full text

ارائه مدلی برای پیش بینی رفتار مخلوط های آسفالتی

تکرار بارگذاری چرخ سبب افزایش افت و خیز به علت نرم شدگی مصالح و کاهش سختی سیستم روسازی می‌شود. در این تحقیق میزان کاهش سختی لایه های آسفالتی با انجام تحلیل برگشتی بر روی منحنی های خیز سطح روسازی‌ زیر بار چرخ تعیین گردید. در تحلیل برگشتی از مدل غیر خطی ویسکو - الاستوپلاستیک و روش اجزاء محدود استفاده شد. مدلسازی رفتار بتن آسفالتی با مدل ویسکو - الاستوپلاستیک به منظور بررسی کاهش سختی روسازی برای ا...

full text

پیش بینی عمر خستگی مخلوط های آسفالتی با استفاده از شبکه های عصبی

پیش بینی عمر خستگی مخلوط های آسفالتی برای طرح و مدیریت روسازی مورد نیاز بوده و مورد توجه محققین قرارگرفته است. پیش بینی دقیق عمر خستگی، به دلیل رفتار پیچیده و متغیر مصالح تحت بارگذاری و شرایط محیطی گوناگون، امری دشوار است. محققین مختلف با ارائه گراف ها و معادلات گوناگون بر اساس روش های رگرسیونی عمر خستگی آسفالت را پیش بینی نموده اند. این پایان نامه به دنبال به کارگیری تکنیک شبکه های عصبی (ann) ...

پیش بینی شاخص بورس اوراق بهادار تهران با استفاده از شبکه های عصبی

اندازه و روند شاخص‌های قیمت سهام یکی از مهمترین عوامل تاثیرگذار بر تصمیمات سرمایه گذاران در بازارهای مالی می‌باشد. جهت پیش‌بینی بازار از تکنیکهای مختلفی استفاده شده است که معمول‌ترین آنها روشهای رگرسیون و مدل‌های 3ARIMA هستند اما این مدل‌ها در عمل جهت پیش‌بینی بعضی از سریها ناموفق بوده‌اند. در تحقیق حاضر برای پیش‌بینی شاخص کل بورس از مدل شبکه‌های عصبی پیش خور4 با قانون یادگیری پس انتشار خطا5 در...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

دانشگاه بین المللی امام خمینی (ره) - قزوین - دانشکده مهندسی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023