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

thesis
abstract

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 روانگرایی خاک های ماسه ای در تحقیق ها و پروژه های گذشته به وفور انجام شده است و نتیجه گیری شده است که خاک ماسه ای بد دانه بندی شده بیشترین احتمال وقوع روانگرایی رادارد، بنابراین برای نوآوری در کار، در این تحقیق ارزیابی پتانسیل روانگرایی خاک های ریزدانه غیر ماسه ای انجام گردید. ارزیابی پتانسیل روانگرایی نیازمند حفر گمانه و انجام آزمایشات متعدد وصرف زمان و هزینه بسیاری است. بنابراین برای کاهش در هزینه ها و صرفه جویی در زمان از روش هایی مانند پیش بینی روانگرایی با استفاده از مجموعه اطلاعات موجود توسط شبکه عصبی استفاده شد. دراین تحقیق ارزیابی پتانسیل روانگرایی خاک ریزدانه غیرماسه ای شهرک مسکونی سیمرغ واقع در شهرستان اسلامشهر، در جنوب غربی تهران با استفاده از نرم افزار matlab و روش شبکه عصبی مصنوعی مورد بررسی قرار گرفت. ابتدا شبکه عصبی مصنوعی با اطلاعات گمانه های حاشیه دریای خزر (رشت و لاهیجان) که روانگرایی بر اثر زلزله منجیل در سال 1369 در این مناطق مشاهده شده است، مورد آموزش و آزمایش قرار گرفته و درپایان اطلاعات نمونه های خاک شهرک مسکونی سیمرغ را در این شبکه وارد کرده و صحت و کارایی شبکه سنجیده شد. نمونه های ورودی به شبکه (نمونه های خاک رشت و لاهیجان) 69 نمونه بوده که 70 درصد داده ها جهت آموزش و 30 درصد آنها جهت تست شبکه در نظر گرفته شد. با روش سعی و خطا مواردی مانند تعداد لایه های مخفی، تعداد نرون ها در لایه پنهان، تعداد تکرارهای فرایند آموزش، نرخ یادگیری تعیین گردید و مدل شبکه عصبی پرسپترون چندلایه با الگوریتم پس انتشار خطا و تابع تبدیل سیگموئدی در لایه پنهان به عنوان بهترین مدل با کمترین خطا انتخاب شد. تعداد تکرار فرایند آموزش 2000 بار است و بعد از این مقدار تکرار میانگین مربعات خطا در مرحله آزمایش به کمترین مقدار خود می رسد. نتایج حاصل از شبکه عصبی نشان می دهد که مقدار پیش بینی شده با مقادیر واقعی بسیار به یکدیگر نزدیک هستند و خاک های ریزدانه غیرماسه ای حاشیه دریای خزر عموما پتانسیل روانگرایی متوسط تا زیاد دارند و خاک های شهرک مسکونی سیمرغ پتانسیل روانگرایی کم و نهایتا پتانسیل روانگرایی در محدوده متوسط دارندو می توان نتیجه گرفت خاک های ریزدانه غیرماسه ای جنوب تهران خطر کمی از نظر پتانسیل این پدیده دارند. بنابراین شبکه های عصبی قادرند پتانسیل روانگرایی خاک ریزدانه غیرماسه ای اشباع را ارزیابی کنند.

similar resources

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

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 ...

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...

بررسی پتانسیل روانگرایی خاک با استفاده از شبکه های عصبی احتمالی و بازگشتی

بررسی مفصلی بر کاربرد روشهای محاسبات عصبی در پیش بینی پتانسیل روانگرایی خاکها انجام شده است . تاکید کلی در این تحقیق بر استفاده از شبکه عصبی بهینه برای مدلسازی رابطه پارامترهای لرزه ای، و خصوصیات خاک با پتانسیل روانگرایی بوده است . مشکل اکثر مطالعات مشابه گذشته در زمیه پتانسیل روانگرایی عدم قابلیت تعمیم آنها بوده است . معمولا حجم کم پایگاه داده ها، توزیع جغرافیایی محدود و حذف اثر بعضی پارامترها...

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 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

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

دانشگاه تربیت معلم - تهران - دانشکده علوم زمین

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023