کاربرد شبکه ای عصبی مصنوعی در مهندسی ژئوتکنیک

سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 5,086

فایل این مقاله در 9 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:

CESC12_005

تاریخ نمایه سازی: 2 دی 1384

چکیده مقاله:

استفاده از شبکه های عصبی مصنوعی در چند سال اخیر برای تحلیل انواع مختلف مسائل مهندسی به شدت گسترش یافته است. به ویژه اینکه شبکه های عصبی مصنوعی کاربرد بسیار موفقیت آمیزی در تعداد زیادی از مسائل مهندسی ژئوتکنیک داشته و توانسته است به آسانی بسیاری از مسائل پیچیده را حل نموده و مشکلات ناشی از انجام آزمایش های پیشرفته و پر هزینه را برطرف سازد. با مروری بر تحقیقات انجام شده مشاهده می‌شود که استفاده از شبکه های عصبی مصنوعی در مساله های مختلفی از جمله مقاومت برشی خاک، نشست سازه ها توان باربری شمع، مدل رفتاری خاک، خصوصیات ساختگاه، سازه های نگهبان خاک، پایداری شیروانی ها، طبقه بندی خاکها طراحی تونل ها و مجاری زیرزمینی ، روانگرایی، نفوذپذیری و هیدرولیک خاک تراکم خاک و تورم خاک نتایج موفقیت آمیزی داشته است. استفاده از این روش به عنوان یک ابزار قدرتمند مهندسی باعث کاهش قابل توجه زمان تحلیل مسائل پیچیده و هزینه سنگین آن می‌شود. موضوع مقاله مروری کلی و اجمالی بر کاربرد شبکه های عصبی در حل انواع مسائل ژئوتکنیک است.

نویسندگان

هادی احمدی

دانشجوی کارشناسی ارشد مکانیک خاک و پی دانشگاه گیلان

نشاء صابر

دانشجوی مهندسی عمران دانشکده فنی و مهندسی دانشگاه گیلان

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 :
  • مهیار عربانی و هادی احمدی، تعیین مقاومت فشاری ملات سیمان ...
  • Penunadu, D. and Zhao, R. (1999).، ،Trمiaxial compression behavior of ...
  • Sidarta, D. E., _ Ghaboussi, J. (1998), _ modeling of ...
  • Bang et al. (1999), _ of Artificial Neural Networks in ...
  • Turk, G., Logar, J. anId Najes, B. _ *Modelling _ ...
  • Lee, S.J. Lee, S.J. and Ki, Y.S. (2003).، ،.n approach ...
  • Goh, A. 'T. _ (1994).، Norlinear modeling iz geotechrical ergineering ...
  • Shahin, M. A., Jaksa, M. B., and Maier, H. R. ...
  • Kin, C.Y.. Bae, G.J. Hong, S.W. Fark, C.IH., Moonl. H.K.. ...
  • Kerhl T., Iu. Y.G. and Vu, C.H. _، Estirnation of ...
  • Goh, A. T. _ (1995). *Empirical design iz geotechnics using ...
  • Goh, A. T. _ (1996), *Pile driving records reanalyzed using ...
  • Abu-Kiefa, _ A. (1998). _ regression reural networks for driver ...
  • Rono. M. P. and Gacia, S.R. (2003). *Neurofuzzy mapping of ...
  • Goh, A. T. C. (1995), _ ork modeling of CPT ...
  • Saka, H. and UJral, D. . (1998), «Liquefaction _ by ...
  • Baziar, M.H. and Ghorbani, A. (2005), ،Evalsatio of lateral spreading ...
  • Rahman, M[.S. and Vang, J. (2002), *Fuzzy neurwal _ rodels ...
  • Cal. Y. (1995), _ Classification by neural retwork, dlvances in ...
  • Levine, E. R., Kines, D. _ anId Sillito, V. G. ...
  • Chua C.G. and Goh, A. T.C. (2005), *Estimating _ deflections ...
  • Ellis, G.W., Yao, C., Zhao, . _ Penunadu, D. (1995), ...
  • Jian-Hua Zhu, Mushanraf M. Zanan and Scott . Anderson (1998), ...
  • Banadann. Z., Hopke, P. K.. Johnson, M. J. and Scow, ...
  • Kambekar, A. R. and Deo. _ (2003), _ of pile ...
  • Dos, S. K. _ Basudhar, P. K. (2005), «Predliction (f ...
  • Attoh-Ckine, NJ. (. (2004), «Application of genetic-based _ retwork to ...
  • Koekkoek, E. J. w. and EBooltink, H. (1996).، ،Neural network ...
  • Jiang, I. and Cotton, V. R. (2004), ،$Soil rnoisture estirrati:or ...
  • Nouri, Y., Chobbasti A. J. and Kaveh, . (2005), *Soil ...
  • Juang, C.IH., Lu, P.C. _ Che C.J. (2002), «Predicting geotechnical ...
  • نمایش کامل مراجع