پیش بینی پارامتر های تحکیم به کمک شبکه عصبی مصنوعی

thesis
abstract

در خاک های ریز دانه ی اشباع، میزان نشست با استفاده از شاخص فشردگی که از طریق آزمایش تحکیم بدست می آید، قابل محاسبه است. تعیین این ضریب از طریق آزمایش تحکیم بسیار وقت گیر است، لذا از گذشته به ویژه برای پروژه های کم اهمیت سعی بر این بوده که شاخص فشردگی را به پارامترهای فیزیکی خاک مانند درصد رطوبت، حد روانی و دیگر پارامترها که همگی به سادگی قابل اندازه گیری هستند، ارتباط دهند. به همین جهت روابط تجربی زیادی در این خصوص ارا ئه شده است. در این پژوهش با استفاده از شبکه ی عصبی مصنوعی (ann)، همبستگی آماری بین پارامترهای فیزیکی خاک های ریزدانه و شاخص فشردگی و شاخص فشردگی مجدد مورد بررسی قرار گرفت. برای این مدل، 4 پارامتر فیزیکی خاک، حد روانی، نسبت پوکی، چگالی دانه های جامد و درصد رطوبت طبیعی برای تخمین پارامتر های تحکیم استفاده گردید.

similar resources

پیش بینی تغییرات پارامتر رسانایی الکتریکی در آب زیر زمینی شهر تهران با کمک شبکه عصبی مصنوعی

جهت بررسی کیفیت آب زیر زمینی تهران با توجه به برداشت 10 سال گذشته از پارامتر های هیدروشیمیایی مربوط به 71 نقطه مختلف از شهر تهران سه مدل مختلف شبکه عصبی مصنوعی با تعداد پارامتر های مختلف ورودی و خروجی پارامتر رسانایی الکتریکی تعریف گردید. مشاهده می شود که به جهت تخمین پارامتر رسانایی الکتریکی با سعی و خطای فراوان تابع محرک تانژانت با تابع آموزش مومنتم دارای خطای کمی خواهند بود. با کمتر کردن مقد...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

پیش بینی مشخصه‌های رطوبت تعادلی آفتابگردان به کمک مدل های تجربی و شبکه‌های عصبی مصنوعی

در این پژوهش، از مدل های تجربی و شبکه‌های عصبی مصنوعی برای پیش‌بینی محتوای رطوبت تعادلی بذر و مغز آفتابگردان استفاده شد. چهار مدل ریاضی هندرسون اصلاح‌شده، چانگ-پی فاست، هالسی و گب برای این منظور بکار رفت. دو نوع شبکة پس‌انتشار (پیشرو و پیشخور) مورد آزمون قرار گرفت. به منظور آموزش الگوهای ورودی، الگوریتم یادگیری لونبرگ-مارکوارت مورد استفاده قرار گرفت. محدوده‌های دما و رطوبت نسبی به ترتیب بین 25 ...

full text

پیش بینی مشخصات سخت شده بتن خودتراکم الیافی به کمک شبکه های عصبی مصنوعی

امروزه روش­های هوشمند و الهام گرفته از طبعیت در حل مسائل پیچیده طرفداران زیادی دارد یکی از پرطرفدارترین و کاراترین این ساختارها، شبکه­های عصبی مصنوعی هستند که قادرند یک رابطه کلی بین اطلاعات حجیم و پیچیده ناشی از آزمایش­ها و مثال­های تجربی به دست آورند. از طرف دیگر، ترکیب بتن الیافی با بتن خودتراکم، یک نوع بتن جدید با سیالیت بالا و چسبندگی خوب تولید می­کند. این نوع بتن به علت حضور الیاف دارای م...

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 صنعتی (نوشیروانی) بابل - دانشکده مهندسی عمران

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023