استفاده از شبکه های عصبی مصنوعی در تخمین ظرفیت باربری شالوده های سطحی واقع بر بسترهای چند لایه

  • سال انتشار: 1394
  • محل انتشار: دومین کنفرانس ملی مکانیک خاک و مهندسی پی
  • کد COI اختصاصی: SMFE02_055
  • زبان مقاله: فارسی
  • تعداد مشاهده: 741
دانلود فایل این مقاله

نویسندگان

مرضیه حسن آبادی

کارشناس ارشد خاک و پی در شرکت سد آزمای تیوا

حجت دهستانی

عضو هیئت علمی دانشگاه مهندسی فناوریهای نوین قوچان، گروه خاک و پی

چکیده

تخمین ظرفیت باربری شالوده های سطحی، موضوع بسیاری از تحقیقات در حوزه مکانیک خاک و پی بوده است. روش های متعددی به منظور دستیابی به این هدف توسط برخی محققین برجسته پیشنهاد شده که اغلب بر روی بسترهای همگن و یا دو لایه بوده است. متداول ترین روش در تخمین ظرفیت باربری شالوده های واقع بر بسترهای چندلایه، روش های عددی المان محدود و تفاضل محدود است. در این میان، تکنیک شبکه های عصبی مصنوعی نیز که در آن از بانک داده های حاصل از مدلسازی های فیزیکی و عددی استفاده شده باشد، می تواند جهت دستیابی به این هدف مورد استفاده قرار گیرد. در این مقاله، مدلی بر پایه شبکه های عصبی مصنوعی پرسپترون چند لایه و بر حسب پارامترهای چسبندگی و زاویه اصطکاک داخلی خاک و نیز شرایط هندسی مسئله شامل ضخامت لایه های خاک و عرض شالوده ارائه شده است که قادر است ظرفیت باربری شالوده های واقع بر روی بسترهای لایه ای را تخمین بزند. نتایج ظرفیت باربری حاصل از شبکه عصبی و روش رگرسیون چند متغیره نشانگر عملکرد مناسب آنها در تخمین ظرفیت باربری شالوده های سطحی بر روی بسترهای چند لایه است که می تواند منجر به ارائه روابطی کاربردی جهت تخمین ظرفیت باربری شالوده های سطحی شود.

کلیدواژه ها

بسترهای چند لایه، ظرفیت باربری، شبکه عصبی

مقالات مرتبط جدید

اطلاعات بیشتر در مورد 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.