ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی ضریب نفوذ پذیری خاک های ریز دانه غیر اشباع نسبت به فاز آب،با استفاده از روش های شبکه عصبی مصنوعی و برنامه ریزی ژنتیک

سال انتشار: 1393
کد COI مقاله: NCCE08_0187
زبان مقاله: فارسیمشاهده این مقاله: 585
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی ضریب نفوذ پذیری خاک های ریز دانه غیر اشباع نسبت به فاز آب،با استفاده از روش های شبکه عصبی مصنوعی و برنامه ریزی ژنتیک

محمد حسین پرواز - دانشجوی کارشناسی ارشد عمران،گرایش مکانیک و پی دانشگاه آزاد اسلامی واحد استهبان
محسن اژدری - استادیار دانشکده مهندسی عمران گرایش مکانیک خاک و پی دانشگاه فسا

چکیده مقاله:

در این مقاله ضریب نفوذپذیری خاکهای ریزدانه غیراشباع، با استفاده از دو روش شبکه های عصبی مصنوعی پرسپترون و برنامه ریزی ژنتیک، پیش بینی می شود داده های آزمایشگاهی حاصل از مطالعات پژوهشگران مختلف با بکارگیری روش های مذکور در محیط برنامه نویسی MATLAB مورد پردازش قرار می گیرد با در نظر گرفتن تاثیر پارامترهای منحنی مشخصه آب خاک شامل مکش بافتی مقدار آب حجمی در حالت اشباع مقدار آب حجمی پسماند عدد ورودی هوا شاخص نحوه توزیع حفرات درون خاک برای حالت های ترسازی و خشک اندازی به طور جداگانه و همچنین پارامتر تنش خالص، یک شبکه عصبی مصنوعی مناسب پیش خور با شیوه ی پس انتشار خطا تربیت شده و پس از آن، روابط مناسب با یکارگیری برنامه ریزی ژنتیک استخراج می گردد برای داده های مورد استفاده در فرآیند آموزش و اعتبار سنجی، نتایج حاصل از هر دو روش ، برای نمونه های خاک ریزدانه غیراشباع، با مقادیر واقعی مقایسه گردیده است.

کلیدواژه ها:

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCCE08_0187 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/295637/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
پرواز، محمد حسین و اژدری، محسن،1393،پیش بینی ضریب نفوذ پذیری خاک های ریز دانه غیر اشباع نسبت به فاز آب،با استفاده از روش های شبکه عصبی مصنوعی و برنامه ریزی ژنتیک،هشتمین کنگره ملی مهندسی عمران،بابل،https://civilica.com/doc/295637

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1393، پرواز، محمد حسین؛ محسن اژدری)
برای بار دوم به بعد: (1393، پرواز؛ اژدری)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Fredlund, D.G. (2000), "The 1999 R.M. Hardy Lecture: The implementation ...
  • Samingan, A. S. Leong, E. C., & Rahardjo, H. (2005), ...
  • Klute, A. (1965), "Laboratory measuremet of hydraulic conductivity of unsaturated ...
  • Hamilton, J.M., Daniel, D.E., Olson, R.E. (1981), "Measuremet of hydraulic ...
  • Taibi, S. Bicalho, K.V., Sayad-Gaidi, C. and Fleureau, J.M. (2009), ...
  • Huang, S., Fredlund, D.G. and Barbour S.L., (1998), "Development and ...
  • Lim, D.K.H. and Kolay, P.K. (2009), "Predicting Hydraulic Conductivity (k) ...
  • Gribb, M.M. and Gribb, G.W. (1994), :Use of Neural Networks ...
  • Filz, G. M., Henry, L. B., Heslin, G. M, and ...
  • Najjar, Y. M., and I. A. Basheer(1996), "Utilizing Computational Neural ...
  • Boadu, Kofi F., (2000), "Hydraulic conductivity of soils from grain-size ...
  • Ajdari M, Habibagahi G, Ghahramani A. (2012), "Predicting effective S ...
  • Rosenblat, F., (1958), _ Perceptron: a Probabilistic Model for Information ...
  • Werbos, P.J. (1974), "Beyond regression: New tools for prediction and ...
  • Koza, J.R., (1992), :Genetic Programming: On the Programming of Computers ...
  • Aytek, A., Asce, M. andAlp, M. (2008), _ application of ...
  • Poli, R., Langdon, W.B., McPhee, N.F. (2008), _ Field Guide ...
  • Ng, C. and Leung, A. (2012), _ :Measuremens of Drying ...
  • Moore, R. E. (1939), :Water Conduction from Shallow Water Tables", ...
  • Gui, M.W. and Hsu, C.S. (2007), :Water Coefficient of Permeability ...
  • Pachepsky Y.A., Shcherbakov, R.A., Varallyay, G., Rajkai, K., (1984). :On ...
  • Pereira, Jose H.F. .Delwyn G. Fredlund, Manoel P. Cardao Neto ...
  • Li, X., Zhang, L.M. and Fredlund, D.G., (2009) , "Wetting ...
  • Silva S, Almeida J., (2003), :GPLAB - A Genetic Programming ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه آزاد
    تعداد مقالات: 1,239
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.

    پشتیبانی