ارزیابی ظرفیت باربری خاک رس تقویت شده با ستونهای اختلاط عمیق دارای کلاهک ژئوتکستایل با آزمایشات بزرگ مقیاس و شبکه های عصبی مصنوعی

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 35

فایل این مقاله در 26 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ROAD-33-124_026

تاریخ نمایه سازی: 27 مرداد 1404

چکیده مقاله:

ستونهای اختلاط عمیق(DSM) خاک یکی از روشهای بهبود مقاومت و ظرفیت باربری خاک برای توسعه مناطق شهری می باشد.هدف این تحقیق ارزیابی ظرفیت باربری خاک رس تقویت شده با ستونهای اختلاط عمیق و کلاهک ژئوتکستایل با آزمایشات بزرگ مقیاس و شبکه های عصبی مصنوعی بود. ابتدا مشخصات اولیه ئوتکنیکی بستر خاک توسط آزمونهای آزمایشگاهی اولیه از قبیل دانه بندی، درصد رطوبت طبیعی، حدود اتربرگ، pH، مقاومت فشاری تک محوری بدست آمد. سپس تعیین درصد مقدار رطوبت و مقدار افزودنی شیمیای بهینه های خاک تثبیت شده توسط آزمایشات تراکم استاندارد و مقاومت فشاری تک محوری جهت اعمال در ساخت ستونهای اختلاط عمیق خاک در حالات بدون و با کلاهک ژئوتکستایل انجام شد. در مرحله دوم آزمایش های آزمایشگاهی، نمودارهای بار - نشست برای هر سناریو با ساخت مناسب برای مدل آزمایشگاهی، پیکربندی های مختلف ستون های سیمانی و بدون شرایط و با کلاهک ئوتکستایل بر روی ستون های سیمانی ایجاد شد. مطالعات آزمایشگاهی نشان داد که وجود ستون های سیمانی می تواند ظرفیت باربری پی را تا ۱۸ برابر در مقایسه با عدم وجود آنها افزایش دهد. حداکثر بار عمودی اعمال شده در تغییر شکل ثابت ۳۰ میلیمتر بترتیب برابر با ۳۷/۱۸ و ۵۹/۲۴ کیلونیوتن در حالات بدون و با کلاهک ژئوتکستایل بود، که افزایش۳۳درصدی در میزان بار اعمالی را نشان داد. شبکه مصنوعی مصنوعی برای هر چهار فرم مجزا سطح قابل قبولی از دقت را با مقدار همبستگی ۹۴/۰ را نشان داد.

کلیدواژه ها:

نویسندگان

فرزاد پور ابراهیم

دانشجوی دکترا، گروه مهندسی عمران، واحد نجف آباد، دانشگاه آزاد اسلامی، نجف آباد، ایران

سید یعقوب ذوالفقاری فر

دانشیار، گروه مهندسی عمران و معماری، دانشکده صنعت ساختمان و محیط زیست، واحد یاسوج، دانشگاه آزاد اسلامی، یاسوج، 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 :
  • Hu, Z., et al., (۲۰۰۳). Design and construction of a ...
  • Wang, J., Z. Xu, and W. Wang, (۲۰۱۰). Wall and ...
  • Bunawan, A. R., Momeni, E., Armaghani, D. J., & Rashid, ...
  • Chai, J. C., Carter, J. P., & Hayashi, S. (۲۰۰۵). ...
  • Chai, J., Carter, J. P., Miura, N., & Zhu, H. ...
  • Wang, Z. F., Shen, S. L., Modoni, G., & Zhou, ...
  • Fang, Z., & Yin, J. H. (۲۰۰۷). Responses of excess ...
  • Shen, J. P., Zhang, L. M., Guo, J. F., Ray, ...
  • Terashi, M., & Kitazume, M. (۲۰۱۱). QA/QC for deep-mixed ground: ...
  • Gupta, S., & Kumar, S. (۲۰۲۳). A state-of-the-art review of ...
  • Ter-Martirosyan, A., Sidorov, V., & Sobolev, E. (۲۰۲۲). Dynamic Properties ...
  • Vervoorn, R. R. E., & Barros, A. S. (۲۰۲۱, April). ...
  • Amrioui, J., Duc, M., Le Kouby, A., Guedon, J. S., ...
  • Butenko, A. A., Mozgovyi, A. O., Butnik, S. V., & ...
  • Sobolev, E. S., Berezin, E. K., & Kechina, T. V. ...
  • Zuo, J., Wang, B., Li, W., Han, S., Wang, J., ...
  • Chen, J. J., Zhang, L., Zhang, J. F., Zhu, Y. ...
  • Tatarniuk, C. (۲۰۱۴). Deep soil mixing as a slope stabilization ...
  • Alipour, R., Khazaei, J., Pakbaz, M. S., & Ghalandarzadeh, A. ...
  • Al-Qaisi, M. S., & Al-Waily, M. J. M. (۲۰۲۲). Experimental ...
  • Hadi, D. A. L., & Zaika, Y. (۲۰۲۲). Relationship of ...
  • Szymkiewicz, F., Barrett, A. G., Marino, J. P., Le Kouby, ...
  • Helson, O., Beaucour, A. L., Eslami, J., Noumowe, A., & ...
  • Pourebrahim, F., & Zolfegharifar, S. Y. (۲۰۲۲). Stabilizers Effects Comprehensive ...
  • ­Esmaeili, M., Astaraki, F., Yaghouti, H., & Rad, M. M. ...
  • Sangeetha, J., Dalshica, J., & Nasvi, M. C. M. (۲۰۲۲). ...
  • Liu, L., Wang, C., Liang, Q., Chen, F., & Zhou, ...
  • Almadani, E., & Dehghanian, K. (۲۰۲۲). Numerical Analysis of Soft ...
  • Moayedi, H., Mosallanezhad, M., Rashid, A. S. A., Jusoh, W. ...
  • (۲۰۱۸, November). The application of artificial neural network in geotechnical ...
  • Sasmal, S. K., & Behera, R. N. (۲۰۱۸). Prediction of ...
  • Hosseini, S. A. A., Mojtahedi, S. F. F., & Sadeghi, ...
  • Agrachev, A., & Sarychev, A. (۲۰۲۲). Control on the manifolds ...
  • Nugroho, S. A., Fernando, H., & Suryanita, R. (۲۰۲۲). Estimation ...
  • Das, B. M. (Ed.). (۲۰۱۱). Geotechnical engineering handbook. J. Ross ...
  • Güllü, H., Canakci, H., & Al Zangana, I. F. (۲۰۱۷). ...
  • Moayedi, H., Kazemian, S., & Huat, B. B. (۲۰۱۳). Shear ...
  • Farooq, W., Suh, W. I., Park, M. S., & Yang, ...
  • Güllü, H. (۲۰۱۷). A novel approach to prediction of rheological ...
  • Terashi, M. (۱۹۹۹). Deep mixing method-brief state of the art. ...
  • Tang, C., Shi, B., Gao, W., Chen, F., & Cai, ...
  • Kitazume, M., & Terashi, M. (۲۰۱۳). The deep mixing method ...
  • Warren, A. L. (۲۰۱۱). Investigation of dam incidents and failures. ...
  • Lin, K. Q., & Wong, I. H. (۱۹۹۹). Use of ...
  • Jamsawang, P., Voottipruex, P., Boathong, P., Mairaing, W., & Horpibulsuk, ...
  • Wang, S. C. (۲۰۰۳). Interdisciplinary computing in Java programming, Vol. ...
  • Demuth, H.B. and Beale M.H. (۲۰۰۰). Neural network toolbox; for ...
  • Nedjah, N., & de Macedo Mourelle, L. (۲۰۰۵). Fuzzy systems ...
  • Specht, D.F. (۱۹۹۱). A general regression neural network. IEEE Transactions ...
  • نمایش کامل مراجع