پیش بینی پارامتر های تحکیم به کمک شبکه عصبی مصنوعی

پایان نامه
چکیده

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.

منابع مشابه

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...

متن کامل

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...

متن کامل

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 ...

متن کامل

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...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه صنعتی (نوشیروانی) بابل - دانشکده مهندسی عمران

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023