ارزیابی پتانسیل روانگرائی در خاکهای ماسه ای با استفاده از شبکه های عصبی مصنوعی

سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,547

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

NCCE02_179

تاریخ نمایه سازی: 27 مهر 1384

چکیده مقاله:

پدیده روانگرائی از جمله مواردی است که بر اثر عوامل لرزه ای امکان بروز آن در یک توده ماسه ای اشباع وجود دارد. در اینگونه مناطق به منظور جلوگیری از آسیب های احتمالی به مستحدثات موجود ، ارزیابی پتانسیل روانگرائی ضروری به نظر می رسد. بسته به گستره منطقه طرح جهت کسب اطلاعات ، نیاز به حفر چند گمانه و انجام آزمایشات متعددی می باشدکه هر یک مستلزم صرف زمان و هزینه های بسیاری است. بنابراین پیش بینی روانگرائی با استفاده از مجموعه اطلاعات موجود توسط شبکه عصبی، باعث کاهش در هزینه ها و برنامه ریزی صحیح در شناخت ساختگاه مناسب خواهد شد.شبکه های عصبی به عنوان سیستم های هوشمند از خصوصیات خاص پردازش اطلاعات در مغز بهره می گیرند که از آن جمله می توان به یادگیری مثال ها ، نادیده گرفتن خطا در داده ها و پردازش موازی آنها - که دور از دسترس روشهای مرسوم برنامه نویسی قرار دارد - اشاره کرد.در تحقیق حاضر با توجه به بالا بودن سطح آب زیر زمینی در محدوده جنوب شرق تهران و با استفاده از اطلاعات گمانه های حفر شده در این منطقه به وسعت سی کیلومتر مربع، به ارزیابی پتانسیل روانگرائی توسط شبکه عصبی پرداخته شده است. شبکه عصبی مذکور با داشتن یک لایه میانی توسط اطلاعات گمانه های حفر شده مبتنی بر آزمایش نفوذ استاندارد آموزش داده شده و سپس به منظور اطمینان از کارآیی شبکه در ارزیابی پتانسیل روانگرائی، اطلاعات تعدادی گمانه برای اولین بار به شبکه ارائه گردید. نتیجه حاصل از شبکه عصبی با نتیجه حاصل از روش رایج تعیین روانگرائیSeed کنترل و مورد مقایسه قرار گرفت که بر اساس آنالیزهای انجام شده، شبکه عصبی تربیت یافته قادر است پتانسیل روانگرائی در خاک محدوده جنوب شرق تهران با دقت بیش از 92 درصد پیش بینی نماید.

نویسندگان

سید سجاد حسینی خزاقی

دانشجوی کارشناسی ارشد دانشگاه مازندران دانشکده فنی بابل

عسگر جانعلیزاده

استادیار دانشکده فنی و مهندسی دانشگاه مازندران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • : نوری، یوسف : "پیش بینی خواص ژئوتکنیکی لایه های ...
  • : "دانسته های خاک"، شرکت راه آهن شهری تهران و ...
  • : "آشنائی با شبکه های عصبی" نوشته آر.بیل وتی .جکسون، ...
  • : " مبانی شبکه های عصبی" مولف: دکتر محمد باقر ...
  • : آئین نامه مقاوم سازی ساختمان دربرابر زلزله (آئین نامه ...
  • : Seed _ H.B and Idriss , I.M. (1971) * ...
  • : Seed , H , B (1979) 4 Soil liquefaction ...
  • : Statistica Neural Netwrks , Release 3.0 D _ Statsoft ...
  • : T zou _ S . and Chia , w ...
  • نمایش کامل مراجع