پیش بینی حداکثر نیروی برشی شمع های بتنی نگهبان پیوسته در خاک های درشت دانه تحت اثر بار جانبی با استفاده از روش هوش مصنوعی
محل انتشار: هشتمین کنگره ملی مهندسی عمران
سال انتشار: 1393
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 796
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCE08_0266
تاریخ نمایه سازی: 5 مهر 1393
چکیده مقاله:
یکی از بهترین سازه های محافظ خاک در پروژه های ژئوتکنیکی بخصوص در مناطقی که دسترسی به سایت، انتخاب سیستم محافظ گودبرداری را محدود می سازد، شمع های نگهبان بتنی در جا پیوسته می باشد یکی از مهمترین پارامترهایی که باید در بحث طراحی و نیز عملکرد مناسب شمع ها و سازه های بالادست گودبرداری، مدنظر قرار داده شود، ماکزیمم نیروی برشی شمع ها می باشددر این مقاله یکی از روش های هوش مصنوعی به نام برنامه نویسی به روش توصیف ژن GEP برای تکامل مدل هایی ، جهت پیش بینی ماکزیمم نیروی برشی شمع ها مورد استفاده قرار گرفته است پارامترهای ورودی شامل مدول الاستیسیته، وزن مخصوص و زاویه اصطکاک داخلی خاک، فاصله مرکز به مرکز شمع ها و عمق و طول گودبرداری های عنوانشده، با استفاده از مدل سازی های 3 بعدی که در نرم افزار قدرتمند المان محدود ABAQUS مورد تحلیل قرار گرفته اند، به دست آمده است مقایسه بین نتایج پیش بینی شده توسط مدل GEP و نتایج ABAQUS نشان می دهد که مدل های مورد نظر، توانایی و دقت بالایی در پیش بینی ماکزیمم نیروی برشی شمع های نگهبان دارد. همچنین جهت تایید صحت عملکرد مدل های ارائه شده آنالیز حساسیت بر روی آنها انجام شده است
کلیدواژه ها:
شمع های نگهبان بتنی پیوسته ، خاک درشت دانه ، برنامه نویسی ژنتیکی ، حداکثر نیروی برشی شمع ، روش المان محدود
نویسندگان
رضا کیائی
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد بوشهر
محمدرضا شکاری مهرآبادی
استادیار عضو هیات علمی دانشکده مهندسی دانشگاه یاسوج
امین کشاورز
استادیار عضو هیات علمی دانشکده مهندسی دانشگاه خلیج فارس
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 :