تعیین مقاومت فشاری تک محوری خاکهای اصلاح شده با اهک و ژئوگرید توسط شبکه عصبی مصنوعی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 578

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICOHACC01_362

تاریخ نمایه سازی: 14 آذر 1394

چکیده مقاله:

بررسی مقاومت فشاری تک محوری خاک های مسئله دار با استفاده از تجهیزات ازمایشگاهی پیچیده و پرهزینه و زمان بر می باشد. از این رو استفاده از روش های تئوری مخنلف نظیر محاسبات نرم به منظور پیش بینی مقاومت فشاری تک محوری بسیار کاربردی ومفید خواهد بود.در این تحقیق سعی شده است با استفاده از شبکه عصبی مصنوعی مقاومت فشاری تک محوری خاکهای اصلاح شده اهک و ژئوگرید پیش بینی شود. در تحقیق حاضر از بیش از 700 داده استفاده شده است که 80 درصد برای اموزش و 20 درصد برای ازمایش می باشد.ورودی ها بر اساس پارامترهای تاثیر گذار در مقاومت فشاری تک محوری خاکهای اصلاح شده اهک و ژئوگرید انتحاب شدند وعبارتند از : درصد خاک،درصد اهک،درصد رطوبت،وزن مخصوص،کرنش محوری،انرژی تراکم، تعداد ضربه تراکم، نشانه خمیری، مقدار PH ، درصد ژئوگرید و مقاومت فشاری 7 روزه خاکهای اصلاح شده به عنوان خروجی شبکه عصبی تعیین گردید. به منظور مقایسه نتایج حاصل از شبکه عصبی، ازشاخص ارزیابی ضریب تعیین (ٌR2) استفاده گردید. نتایج نشان داد که مدل های ارائه شده توسط شبکه های عصبی مصنوعی (MLP) به خوبی قادر به پیش بینی مقاومت فشاری تک محوری خاکهای اصلاح شده اهک و ژئوگرید بوده است. ضریب تعیین برای شبکه MLP برای داده های آموزش و اعتبار سنجی و آزمایش به ترتیب 0.9996 و 0.9222 و 0.9801 می باشدکه نتایج نشان از دقت مناسب دارد.

کلیدواژه ها:

خاک اصلاح شده ، مقاومت فشاری تک محوری ، ژئوگرید ، شبکه عصبی

نویسندگان

سمانه مولوی

دانشجوی کارشناسی ارشد خاک و پی دانشگاه تحصیلات تکمیلی صنعتی و پیشرفته فناوری کرمان

علی حیدری پناه

استادیار بخش عمران دانشگاه تحصیلات تکمیلی صنعتی و پیشرفته فناوری کرمان

فضل اله سلطانی

استادیار بخش عمران دانشگاه تحصیلات تکمیلی صنعتی و پیشرفته فناوری کرمان

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 :
  • سرمدنهری، اوکاردان، م، مرجع کامل شناخت مصالح ساختمانی، انتشارات متفکران، ...
  • Demuth, H., Beale, M., Neural Network Toolbox For Use with ...
  • Van Balen, K. and Van Gemert, D., Modelling lie mortar ...
  • Najjar, Y. M., and Basheer, I. A. Utilizing Computational Neural ...
  • Najjar, Y. M., Basheer, I. A., and Naouss, W. A. ...
  • 495.Liu, Q.S., Roux, B., Velarde, M.G., Thermocapill ary Convection in ...
  • Stefanidou, M. and Papayianni, I., The role of aggregates on ...
  • Chever, L., Pavfa, S., and Howard, R., Phy sicalpropertie S ...
  • Yang, G., Liu, H. Lv, P., and Zhang, B., Geogrid ...
  • نمایش کامل مراجع