ارائه مدل تخمین CBR و UCS خاک تورم پذیر تثبیت شده با آهک هیدراته فعال شده با خاکستر پوسته برنج با استفاده از روش ترکیبی MARS-EBS

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 91

فایل این مقاله در 21 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ROAD-33-122_003

تاریخ نمایه سازی: 25 اسفند 1403

چکیده مقاله:

نسبت باربری کالیفرنیا یکی از مهم ترین پارامترهای طراحی روسازی های انعطاف پذیر و مقاومت فشاری محصورنشده خاک از جمله پارامترهای مهم طراحی و مهندسی است. تعیین مقدار این پارامترها از طریق آزمایش زمان بر و پر هزینه است و بنابراین به دست آوردن آن ها از طریق راه حل های جایگزین و قابل اعتماد مورد نیاز است. در این مطالعه از روش اسپیلاین رگرسیون تطبیقی چند متغیره برای مدلسازی مقدار CBR و UCS خاک تورم پذیر تثبیت شده با آهک هیدراته فعال شده با خاکستر پوسته برنج استفاده شده است. پایگاه داده مورد استفاده در این تحقیق شامل ۱۲۱ داده است که ۷۰ درصد آن به عنوان داده آموزش و ۳۰ درصد آن به عنوان داده آزمون انتخاب شده است. در مدل پیش بینی CBR از چهار پارامتر ورودی درصد آهک، حد خمیری، شاخص خمیری و حداکثر وزن مخصوص خشک استفاده شده است. همچنین برای مدل پیش بینی UCS از پنج پارامتر درصد، حد خمیری، شاخص خمیری، درصد رطوبت بهینه و حداکثر وزن مخصوص خشک به عنوان پارامترهای ورودی استفاده شده است. که نشان می دهد در این مطالعه از متغیرهای ورودی محدودتری برای مدلسازی این دو پارامتر در مقایسه با مدل های توسعه یافته توسط محققان در گذشته استفاده شده است. مقدار ضریب تعیین برای مدل CBR بر اساس داده های آموزش و آزمون به ترتیب برابر با ۹۹۹۵/۰ و ۹۹۹۴/۰ و برای مدل UCS به ترتیب برابر با ۹۹۹۷/۰ و ۹۹۹/۰ به دست آمده است که نشان دهنده دقت مناسب مدل های توسعه داده شده است. همچنین نتایج آزمون ANOVA نشان داد که درصد آهک فعال دارای بیشترین درجه اهمیت برای پیش بینی CBR و UCS است.

کلیدواژه ها:

آهک ، پوسته برنج ، روش اسپیلاین رگرسیونی تطبیقی چند متغیره ، ظرفیت باربری کالیفرنیا ، مقاومت فشاری محصور نشده

نویسندگان

علیرضا غنی زاده

دانشیار، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران

فرزاد صفی جهانشاهی

دانش آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران

آرش ضیائی

دانش آموخته کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، 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 :
  • Agarwal, K. B., & Ghanekar, K. D. (۱۹۷۰). Prediction of ...
  • Ahmad, M., Al-Mansob, R. A., Ramli, A. B. Bin, Ahmad, ...
  • Ahmad, M., Al-Zubi, M. A., Kubińska-Jabcoń, E., Majdi, A., Al-Mansob, ...
  • Ahmad, M., Al-Zubi, M. A., Kubińska-Jabcoń, E., Majdi, A., Al-Mansob, ...
  • Akbar, A., & Farooq, K. (۲۰۰۲). Expansive soils IN Pakistan-case ...
  • Alawi, M., & Rajab, M. (۲۰۱۳). Prediction of California bearing ...
  • Al-Bared, M. A. M., Harahap, I. S. H., Marto, A., ...
  • Al-Bared, M. A. M., Mustaffa, Z., Armaghani, D. J., Marto, ...
  • Al-Hashemi, H. M., & Bukhary, A. H. (۲۰۱۶). Correlation between ...
  • Alhassan, M. (۲۰۰۸). Potentials of rice husk ash for soil ...
  • Al-Refeai, T., & Al-Suhaibani, A. (۱۹۹۷). Prediction of CBR using ...
  • Aziz, M., Saleem, M., & Irfan, M. (۲۰۱۵). Engineering behaviour ...
  • Baghbani, A., Soltani, A., Kiany, K., & Daghistani, F. (۲۰۲۳). ...
  • Behnood, A. (۲۰۱۸). Soil and clay stabilization with calcium-and non-calcium-based ...
  • Bell, F. G. (۱۹۹۶). Lime stabilization of clay minerals and ...
  • Bi, J., & Chian, S. C. (۲۰۲۱). Estimation of Strength ...
  • Black, W. P. M. (۱۹۶۲). A method of estimating the ...
  • Christopher, I., & Chimobi, N. D. (۲۰۱۹). Emerging trends in ...
  • Das, S. K., Samui, P., & Sabat, A. K. (۲۰۱۱). ...
  • Elbadry, H. (۲۰۱۷). Simplified reliable prediction method for determining the ...
  • Friedman, J. H. (۱۹۹۱). Multivariate Adaptive Regression Splines. The Annals ...
  • Ghanizadeh, A. R., Bayat, M., Tavana Amlashi, A., & Rahrovan, ...
  • Ghanizadeh, A. R., Heidarabadizadeh, N., Bayat, M., & Khalifeh, V. ...
  • Ghanizadeh, A. R., & Naseralavi, S. S. (۲۰۲۳). Intelligent Prediction ...
  • Ghanizadeh, A. R., & Rahrovan, M. (۲۰۱۹). Modeling of unconfined ...
  • Ghanizadeh, A. R., Rahrovan, M., & Heydarabadi, N. (۲۰۲۱). Modeling ...
  • Ghanizadeh, A. R., & Safi Jahanshahi, F. (۲۰۲۳). A Case ...
  • Ghanizadeh, A. R., Safi Jahanshahi, F., & Naseralavi, S. S. ...
  • Hastie, T., Friedman, J., & Tibshirani, R. (۲۰۰۱). The Elements ...
  • Iftikhar, B., Alih, S. C., Vafaei, M., Javed, M. F., ...
  • Ijaz, N., Dai, F., & ur Rehman, Z. (۲۰۲۰). Paper ...
  • Jalal, F.-E.-, Xu, Y., Jamhiri, B., & Memon, S. A. ...
  • Javdanian, H., & Lee, S. (۲۰۱۹). Evaluating unconfined compressive strength ...
  • Jekabsons, G. (۲۰۱۱). ARESLab: Adaptive regression splines toolbox for Matlab/Octave. ...
  • Kumar, A., & Gupta, D. (۲۰۱۶). Behavior of cement-stabilized fiber-reinforced ...
  • Kumar, A., Sinha, S., Saurav, S., & Chauhan, V. B. ...
  • Li, M., Wei, Y., Liu, Y., & Jin, J. (۲۰۲۱). ...
  • Liu, Y., Chang, C.-W., Namdar, A., She, Y., Lin, C.-H., ...
  • Liu, Y., Su, Y., Namdar, A., Zhou, G., She, Y., ...
  • Mahedi, M., Cetin, B., & White, D. J. (۲۰۲۰). Cement, ...
  • Ma, J., Su, Y., Liu, Y., & Tao, X. (۲۰۲۰). ...
  • Milborrow, S., Hastie, T., Tibshirani, R., Miller, A., & Lumley, ...
  • Negawo, W. J., Di Emidio, G., Bezuijen, A., Verastegui Flores, ...
  • Onyelowe, K. C., Iqbal, M., Jalal, F. E., Onyia, M. ...
  • Onyelowe, K. C., Jalal, F. E., Onyia, M. E., Onuoha, ...
  • Onyelowe, K. C., Jalal, F. E., Onyia, M. E., Onuoha, ...
  • Pal, K., & Pal, K. (۲۰۱۹). Correlation between cbr values ...
  • Patel, R. S., & Desai, M. D. (۲۰۱۰). CBR predicted ...
  • Pham, V.-N., Do, H.-D., Oh, E., & Ong, D. E. ...
  • Pham, V.-N., Do, H.-D., Oh, E., & Ong, D. E. ...
  • Phanikumar, B. R., & Nagaraju, T. V. (۲۰۱۸). Effect of ...
  • Puppala, A., Hoyos, L., Viyanant, C., & Musenda, C. (۲۰۰۱). ...
  • Quan, V., & Do, H. Q. (۲۰۲۱). Prediction of California ...
  • Rajakumar, C. (۲۰۲۱). Experimental study and neural network modelling of ...
  • Salehi, M., Bayat, M., Saadat, M., & Nasri, M. (۲۰۲۳). ...
  • Seco, A., Ramírez, F., Miqueleiz, L., & García, B. (۲۰۱۱). ...
  • Shahrouzi, M., & Kaveh, A. (۲۰۲۲). An efficient derivative-free optimization ...
  • Sharma, L. K., & Singh, T. N. (۲۰۱۸). Regression-based models ...
  • Sharma, L. K., Sirdesai, N. N., Sharma, K. M., & ...
  • Soleimani, S., Rajaei, S., Jiao, P., Sabz, A., & Soheilinia, ...
  • Sridharan, A., & Gurtug, Y. (۲۰۰۴). Swelling behaviour of compacted ...
  • Suman, S., Mahamaya, M., & Das, S. K. (۲۰۱۶). Prediction ...
  • Tabarsa, A., Latifi, N., Osouli, A., & Bagheri, Y. (۲۰۲۱). ...
  • Talukdar, D. K. (۲۰۱۴). A study of correlation between California ...
  • Taskiran, Tja. (۲۰۱۰). Prediction of California bearing ratio (CBR) of ...
  • Teijón-López-Zuazo, E., Vega-Zamanillo, Á., Calzada-Pérez, M. Á., & Juli-Gándara, L. ...
  • Tran, V. Q. (۲۰۲۲a). Hybrid gradient boosting with meta-heuristic algorithms ...
  • Tran, V. Q. (۲۰۲۲b). Hybrid gradient boosting with meta-heuristic algorithms ...
  • Yildirim, B., & Gunaydin, Ojes. (۲۰۱۱). Estimation of California bearing ...
  • نمایش کامل مراجع