تعیین مدول ارتجاعی مصالح دانه ای با استفاده از شبکه های عصبی مصنوعی

مدول ارتجاعی به عنوان پارامتر کلیدی طراحی در سیستم های روسازی مطرح بودهو طی دهه های اخیر مورد توجه محققین قرارگرفته است. آگاهی دقیق از مدول ارتجاعی مصالح لایه های روسازی برای تعیین چگونگی پاسخگویی سیستم روسازی برای تحمل بار ترافیک موضوع مهمی است که نباید از آن غفلت نمود. پیش بینی دقیق مدول ارتجاعی، به دلیل رفتار پیچیده و متغیر مصالح تحت بارگذاری و شرایط محیطی گوناگون امری سخت و دشوار است. محققین مختلف در سال های گذشته با ارائه گراف ها و معادلات گوناگون بر اساس روش های رگرسیونی مدول ارتجاعی را پیش بینی نموده اند.این پایان نامه به دنبال بکارگیری تکنیک شبکه های عصبی (ann) برای پیش بینی مدول ارتجاعی مصالح دانه ای است. به دلیل محدودیت و عدم دسترسی به داده های جامع آزمایشگاهی مدول ارتجاعی در داخل کشور، در این پایان نامه از داده های آزمایشگاهی ایالت میسوری برای مدل سازی استفاده گردید. پارامترهای موثر در مدول ارتجاعی،حد روانی ،حد پلاستیک ،شاخص خمیری ،وزن مخصوص خشک ماکزیمم ،درصد رطوبت بهینه ،تنش های پیرامونی و انحرافی ودرصدهای عبوری ازالکهای نمره 4 ،نمره 40 و نمره 200 در نظر گرفته شدند و بر اساس نتایج آزمایشگاهی مدل سازی با استفاده از شبکه های عصبی مصنوعی صورت گرفت. پیش بینی مدول ارتجاعی مصالح دانه ای توسط شبکه های عصبی مصنوعی پرسپترون چندلایه پیشرووالگوریتم آموزش انتشار به عقب، باتکنیک بهینه سازی عددی لونبرگ-مارکواردت، مدلسازی شده است. فرآیند مدل سازی با استفاده از جعبه ابزار شبکه عصبی صورت پذیرفته است. شبکه عصبی بهینه ساخته شده با استفاده از جعبه ابزار شبکه عصبی دارای ساختار 1-18-16-11 با ضریب رگرسیون 9675/0 بدست آمد. نتایج این پایان نامه نشان می دهد که ann در مقایسه با روش های آماری موجود، به دلیل توانایی استفاده از متغیرهای ورودی بیشتر در مدل سازی و نتایج دقیق تر، روشی موثرتر برای پیش بینی مدول ارتجاعی است.