ارائه مدل هایی برای تخمین شاخص قابلیت فشردگی(Cc) در خاک های ریزدانه
سال انتشار: 1395
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 52
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIRAEG-9-3_003
تاریخ نمایه سازی: 5 دی 1402
چکیده مقاله:
قابلیت فشردگی(Compressibility) توده خاک یکی از مهمترین پارامترهای خاک میباشد که برای طراحیهای ژئوتکنیک ضروری است. با توجه به اینکه تعیین شاخص قابلیت فشردگی از آزمایش تحکیم نسبتا وقتگیر است محاسبه این شاخص از فرمولهای تجربی بر اساس خصوصیات خاک میتواند مفید باشد. در طی دهههای اخیر، چندین رابطه تجربی برای تخمین قابلیت فشردگی با استفاده از پارامترهایی مانند درصد رطوبت طبیعی، حد روانی، شاخص خمیری، وزن مخصوص و دیگر پارامترهای خاک ارائه شده است. در این تحقیق ابتدا بر اساس داده های ۱۱۵ مورد مطالعه از ۸ سایت در نقاط مختلف کشور به کمک رگرسیون ساده و چند متغیره روابط تجربی برای ارتباط بین شاخص قابلیت فشردگی و دیگر پارامترهای خاک مانند حد روانی، حد خمیری، شاخص خمیری، نسبت پوکی در حد روانی و نسبت پوکی در حد خمیری پیشنهاد شد. سپس به عنوان روش جایگزین یک مدل شبکه عصبی مصنوعی برای تخمین شاخص قابلیت فشردگیارائه گردید. شاخص قابلیت فشردگی به عنوان تابعی از ۵ پارامتر شامل شاخص خمیری، درصد ذرات ریزدانه، نسبت پوکی در حد روانی، نسبت پوکی در حد خمیری و وزن مخصوص مدل شد. در نهایت مدل های ارائه شده با هم مقایسه گردید. نتایج نشان داد که مدل شبکه عصبی از عملکرد بهتری نسبت به روابط تجربی دیگر برای پیشبینی شاخص قابلیت فشردگی خاک های ریزدانه برخودار میباشد.
کلیدواژه ها:
Fine grained soils ، Soil compression index ، Soil index properties ، Simple and multi linear regression ، Artificial Neural Network
نویسندگان
محمدکاظم امیری
MSc Student, Engineering Geology Department, Ferdowsi University, Mashhad-Iran.
غلامرضا لشکری پور
Professor, Engineering Geology Department, Ferdowsi University, Mashhad-Iran.,
محمد غفوری
۲. Professor, Engineering Geology Department, Ferdowsi University, Mashhad-Iran.,
ناصر حافظی مقدس
Professor, Engineering Geology Department, Ferdowsi University, Mashhad-Iran.,
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 :