بررسی قابلیت کابرد شبکههای عصبی مصنوعی در پیشبینی فرایند تزریق - با نگرشی بر بخش 850 Lپرده آب بند سد کارون III ( زمینشناسی مهندسی ساختگاهها و ابنیه فنی )
محل انتشار: پنجمین همایش زمین شناسی مهندسی و محیط زیست ایران
سال انتشار: 1386
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,521
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:
ICEGE05_113
تاریخ نمایه سازی: 31 تیر 1386
چکیده مقاله:
امروزه تزریق سیمان به صورت گستردهای جهت بهبود پیهای سنگی سدها بکار میرود . تزریقپذیری توده سنگها تابع عوامل مختلفی است که هر یک بطور جداگانه میتواند بر کیفیت آن تأثیرگذار باشد . پارامترهای مورد استفاده در طراحی تزریق چون نوع سنگ، ناپیوستگیها و ویژگیهای آنها، نفوذپذیری، فشار تزریق و ... دارای ارتباط پیچیده و مبهم بوده و تعیین رابطهای مستقیم بین آنها به سادگی امکان پذیر نمی - باشد . در چنین مواردی میتوان با تشکیل پایگاه دادهها و استفاده از روشهای » هوش مصنوعی « روابط منطقی بین این عناصر را مدلسازی کرد . چرا که این روشها قادر به دریافت تجربیات و دانش مهندسان در امر مدلسازی میباشند . در تحقیق حاضر قابلیت استفاده از شبکههای عصبی مصنوعی برای تخمین خورند سیمان در مورد بخشی از پرده آب بند سد کارون 3 بررسی شده است . از آنجایی که این پارامتر، از فاکتورهای اصلی در انعقاد قرارداد تزریق می باشد و عملیات تزریق پرده آب بند هزینه هنگفتی را در برمیگیرد، بنابراین نتایج تحقیق حاضر بر روی
اقتصاد پروژه غیر قابل انکار است . به این منظور شبکههای مختلف با توجه به تقسیم دادهها براساس ردیف و سری تزریق و با ترکیبهای متفاوت دادههای ورودی آموزش یافته و تست شده است . در نهایت کارایی شبکههای مختلف بررسی شده است
کلیدواژه ها:
نویسندگان
وحید معاذاللهی
دانشجوی کارشناسی ارشد مکانیک سنگ، دانشگاه شهید باهنر، کرمان
رضا رحمان نژاد
استادیار بخش مهندسی معدن، دانشگاه شهید باهنر، کرمان
مسعود حسامی
استادیار بخش مهندسی عمران، دانشگاه شهید باهنر، کرمان
مهرداد زرگری
کارشناس ارشد مکانیک سنگ، طرح سد و نیروگاه کارون IV ، شرکت مهندسین مشاور
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 :