Deep Pile Foundation Settlement Prediction Using Neurofuzzy Networks

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: انگلیسی
مشاهده: 1,041

فایل این مقاله در 15 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACA01_539

تاریخ نمایه سازی: 24 خرداد 1393

چکیده مقاله:

A NeuroFuzzy System (NFS) is one of the most commonly used systems in the real life problems because it has explicit and transparency which result from the fuzzy systems,with the learning and generalization capabilities from the dynamic behaviour of the neural networks. It is one of the most successful systems, which introduced to decrement the fuzzy rules that constituting the underlying model. This system has a high efficiency; it gives good results in high speed. The NFS used in this study to predict the settlement of deep pile foundations. The results obtained from this systemgive good agreement and high precious for prediction of settlement compared with hyperbolic model and statistical regression analysis. Also, this scenario can be applied for similar or more complicated problems in the Geotechnical engineering.

نویسندگان

Mahin Esmaeil Zaei

PhD Scholar of Department of Civil Engineering Indian Institute of Technology Delhi

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 :
  • Goh, A. T. C. Nonlinear modelling in geotechnical engineering using ...
  • Robert B. and Henk V. Neuro-Fuzzy methods for nonlinear system ...
  • S. Horikawa, T. Furuhashi, and Y.Uchikawa. A neural fuzzy system ...
  • Cheng-Hung Chen, Cheng-Jian Lin, Chin-Teng Lin .A Recurrent Functional -Link- ...
  • Ciftcioglu, M. S. Bittermann, and I. S. Sariyildiz. A Neural ...
  • Cheng L, Cheng C., and Chin L. Efficient Self-Evolving Learning ...
  • Lim E. A., and Yogan S. A Study of Neuro-fuzzy ...
  • M.A. Shahin, H.R. Maier, M.B. Jaksa, . Settlement prediction of ...
  • Yang Min, "Study on reducing- settlement pile foundation based on ...
  • TB 10002.5-2005 /J 464-2005, Code for Design on Subsoil and ...
  • A total of 200 kilometer per hour passenger railway interim ...
  • AASHTO (2007), ، :AAS HTO-LRFD Bridge Design Spec ifications", 4th ...
  • Yoon Young-Jong and Jang Hak-Young, SLC. Long-term Settlement Prediction of ...
  • Delwiche, Lora D., and Susan J. Slaughter. The Little SAS ...
  • نمایش کامل مراجع