پیش بینی پتانسیل روانگرایی خاک های ریزدانه چسبنده با استفاده از شبکه های عصبی مصنوعی

  • سال انتشار: 1394
  • محل انتشار: دومین کنفرانس ملی مکانیک خاک و مهندسی پی
  • کد COI اختصاصی: SMFE02_393
  • زبان مقاله: فارسی
  • تعداد مشاهده: 768
دانلود فایل این مقاله

نویسندگان

آرمان کلایه ئی

کارشناس ارشد ژئوتکنیک، مهندسین مشاور صحراکاو

حبیب حیدری

دانشجوی دکتری زمینشناسی مهندسی، دانشگاه خوارزمی

جواد شریفی

دانشجوی دکتری زمین شناسی مهندسی، دانشگاه فردوسی مشهد

چکیده

در این تحقیق جهت پیش بینی پتانسیل روانگرایی خاک های ریزدانه چسبنده از طریق شبکه های عصبی مصنوعی، نمونه هایی از خاک چند منطقه باسابقه روانگرایی گردآوری و در آزمایشگاه مورد بررسی قرار گرفته است. سپس با معیارهای مختلف روانگرایی خاک های ریزدانه چسبنده (معیارچینی (1981)، معیار آندریو و مارتین (2000) و معیار سید و همکاران (2003)، پتانسیل روانگرایی آنها مورد بررسی قرار گرفته و در ادامه نتایج دریک پایگاه داده ثبت شده است. سپس نتایج برای ورود به شبکه های عصبی مصنوعی آماده شده و مدل سازی انجام گردید. پس از مرحله آموزششبکه و یادگیری، مدلهای مختلف شبکه مورد سعی و خطا قرار گرفته و در ادامه مدل بهینه انتخاب شده است. این مدل در نهایت نیز با روشهایتجربی مورد ارزیابی قرار گرفته است. نتایج نشان داد که شبکه های عصبی مصنوعی می تواند روشی دقیق برای مدلسازی خاک های ریزدانهروانگرا مورد استفاده قرار گیرد.

کلیدواژه ها

روانگرایی، خاک ریزدانه چسبنده، مدلسازی، شبکه عصبی مصنوعی

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.