بکارگیری روشهای نوین هوشمندANN ، ANFIS GEP برای پیش بینی مدول الاستیسیته استاتیکی سنگ آهک

سال انتشار:

1391

نوع سند:

مقاله کنفرانسی

زبان:

فارسی

مشاهده:

833

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICNMO01_175

تاریخ نمایه سازی: 19 اسفند 1391

چکیده مقاله:

هدف این مطالعه توسعه مدلهای هوشمند برا یتخمین مدول الاستیسیته سنگ بکر است مدول الاستیسیته یکی از مهمترین پارامترهایی است که نشان دهنده تغییر شکل پذیری سنگ بکر است باتوجه به پیچیدگی ساختارسنگ تعیین مستقیم مدول الاستیسیته مستلزم زمان هزینه دقت و زحمت زیادی می باشد ازطرفی جهت تعیین غیرمستقیم آن روابط دقیقی دردسترس نیست و بیشتر روابط تجربی و ازمایشگاهی می باشند دراین تحقیق تلاش شد که با استفاده ازمجموعه داده های چندین سد کشور به کمک روشهای ANN ANFIS مدلهایی جهت پیش بینی مدول الاستیسیته استاتیکی سنگ آهک تهیه گردد همچنین به کمک gEP روابطی برای پیش بینی این مدول ارایه شد و سپس بااستفاده از نرم افزار ویژوال بیسیک VB فرمی طراحی شد که به کمک آن براحتی میتوان میزان مدول را باتوجه به روابط جپ پیش بینی نمود.

کلیدواژه ها:

نویسندگان

کاوهآهنگری
کاوه آهنگری

استادیار دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

سیدرحیم معین السادات

کارشناس ارشد استخراج معدن

دانیال بهنیا

دانشجوی کارشناسی ارشد استخراج معدن

مزدابهنیا
مزدا بهنیا

مربی دانشگاه آزاد اسلامی واحد قائمشهر

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 :
  • - حجازی، ف. بهسازی لرزه‌ای سازه‌ها با استفاده از سیستم‌های ...
  • _ - فهیمی‌فر. احمد. سروش. حامد، آزمایش‌های مکانیک سنگ (مبانی ...
  • _ - کیاد سید مصطفی، محاسبات نرم در مطلب. انتشارات ...
  • _ - منهاج. محمد باقر، هوش محاسباتی (مبانی شبکه‌های عصبی، ...
  • _ _ _ mass using sensitivity analysis by neural network". ...
  • _ _ _ _ of elasticity for Travertine saples using ...
  • Denuth. H.. Beale. M.. 0Neural Network Toolbox for Use with ...
  • Heidari. M.. Khaulari. G.R.. Moneni. A.A..، Prediction of Elastic Modulus ...
  • Jalalifar. H.. Mojedifar. S.. Sahebi. A.A. Nezanabadi- ...
  • classification system:. Computers and Geotechics 38. 783-790. 2011. ...
  • Internationa Conference On Nonlinear Modeling & Optimization 28-29 Aug. 2012, ...
  • Jang, J. S. R., :ANFIS: Adaptive -Network-B ased fuzzy inference ...
  • Jang, J. S. R., Sun, C. T. & Mizutani, E., ...
  • Kartalopoulos, S.V., "Understanding Neural Networks and Fuzzy Logic", Basic Concepts ...
  • Kayadelen, C., "Soil liquefaction modeling by Genetic Expression Programming and ...
  • Kose, M.M., Kayadelen, C... "Modeling of transfer length of prestressing ...
  • Kosko, B., "Neural Networks and Fuzzy Systems: A Dynamical Approach ...
  • Maji, V.B., T.G. Sitharam, "Prediction of elastic modulus of jointed ...
  • Majidi, A.. Beiki, M., "Evolving neural network using a genetic ...
  • Mollahasani, A.. Alavi, A.H., Gandomi, A.H., "Empirical modeling of plate ...
  • Nava, P. & Taylor, J., "The Optimization of Neural Network ...
  • Rajabi, M., Bohloli, B, Gholampour Ahangar, E., "Intelligent approaches for ...
  • Singh, R., Kainthola, A., Singh, T.N., "Estimation of elastic constant ...
  • Srinivasan, K, Fisher, D., "Machine learming approaches to estimating software ...
  • Genetic Programming (GP) ...
  • Expression Trees (ET) Transposition "ء 2? Function Set Terminal Set ...