پیش بینی مقاومت غلتشی لاستیک با استفاده از مدل رگرسیونی و شبکه عصبی مصنوعی (ANN)
سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 234
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ERAMS-21-74_001
تاریخ نمایه سازی: 3 دی 1401
چکیده مقاله:
در این تحقیق از یک آزمونگر تک چرخ به منظور بررسی تاثیر متغیرهای بار عمودی، فشار باد و درصد رطوبت خاک بر پارامتر مقاومت غلتشی لاستیک در انباره خاک استفاده شد. لاستیک مورد استفاده ۲۸-۱۲/۴ و خاک مورد آزمون دارای بافت لومی- رسی بود. آزمایش ها به صورت آزمون فاکتوریل و در قالب طرح کاملا تصادفی با سه تکرار برای هر آزمون اجرا شد. ضریب تبیین مدل رگرسیونی برای پیش بینی مقاومت غلتشی لاستیک با استفاده از متغیرهای بار عمودی، فشار باد و درصد رطوبت خاک برابر با ۰/۸۵۰=R۲ به دست آمد. از یک شبکه عصبی مصنوعی چند لایه پیش خور با الگوریتم توزیع معکوس و تابع آموزشی لونبرگ- مارکوآرت برای آموزش شبکه و از دو لایه پنهان در معماری شبکه عصبی مصنوعی استفاده گردید. از دو معیار ریشه میانگین مربع خطا (RMSE) و مربع ضریب همبستگی (R۲) برای ارزیابی نتایج به دست آمده استفاده شد. نتایج تحقیق نشان میدهد که با توجه به متغیرهای مورد آزمون، فشار باد لاستیک، پارامتر کنترل کننده مقاومت غلتشی لاستیک در سطوح رطوبتی پایین است؛ و درصد رطوبت خاک، تاثیرگذارترین پارامتر بر مقاومت غلتشی لاستیک در مدل رگرسیونی است. ضریب تبیین به دست آمده با استفاده از شبکه عصبی۰/۹۷۷=R۲ برتری استفاده از این مدل را نسبت به مدل رگرسیونی نشان می دهد.
کلیدواژه ها:
نویسندگان
پیام فرهادی
دکترای مهندسی بیوسیستم گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران
عبدالله گل محمدی
دانشیار گروه آموزشی مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران
احمد شریفی
دانشیار موسسه تحقیقات فنی و مهندسی کشاورزی، سازمان تحقیقات، آموزش و ترویج کشاورزی، کرج، ایران
غلامحسین شاهقلی
دانشیار گروه مهندسی بیوسیستم، دانشکده کشاورزی و منابع طبیعی دانشگاه محقق اردبیلی، اردبیل، ایران
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 :