کاربرد روش شبکه های عصبی در تخمین مقاومت الکتریکی خاک با استفاد از ضریب حرارتی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 478

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

SDRC01_066

تاریخ نمایه سازی: 16 اسفند 1394

چکیده مقاله:

مقاومت الکتریکی و حرارتی خاکها برای بسیاری ازپروژه مهندسی ضروری است به عنوان مثال ولتاژی که کابلهای قدرت بالا به خاک میدهند دفع زباله های هسته ای طراحی طبقات حرارتی روشهای اصلاح زمین و غیره که مستلزم تعیین دقیق این مقاومت و رابطه بین آنها که عمدتا به نوع خاک و منشا تراکم و اشباع آن بستگی دارد چندین رابطه ی شناخته شده برای تعیین هریک ازاین مقاومت ها درصورتی که مفید باشند وجود دارد بااستفاده ازاین دیدگاه برای توسعه شبکه های عصبی مصنوعی مدلهای ANN صورت گرفته که میتواند برای تخمین مقاومت الکتریکی خاک ازمقاومت حرارتی و درجه اشباع بکاربرد برای رسیدن به این منظور اندازه گیری مقاومت الکتریکی و حرارتی برروی خاکهای مختلف فشرده درتراکمهای مختلف و رطوبت های متفاوت انجام شد این مدل با مقایسه نتایج پیش بینی ازمایش a -vis visمقدارشان ثبت شد اگرمقاومت حرارتی معلوم باشد استفاده ازاین مدل ANN درپیش بینی مقاومت الکتریکی خاک مناسب باشد و درمقایسه با رابطه های کلی پیشنهاد شده توسط محققان مدل ANN به نتایج بهتری وزودتری دست می یابد

نویسندگان

سعید غفارپورجهرمی

استادیار دانشکده مهندسی عمران دانشگاه تربیت دبیر شهید رجایی تهران ایران

فرزاد شهبازی فرد

دانشجوی مهندسی زلزله دانشگاه تربیت دبیر شهید رجایی تهران ایران

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 :
  • Z.S. Abu- Hassanein, Use of electrical resistivity measuremet as a ...
  • H.R. Thomas, Modeling two-di mensional heat and moisture transfer in ...
  • D.N. Singh, M.V.B.B.G. Rao, Laboratory measuremet of soil thermal resistivity, ...
  • M.V.B.B.G. Rao, D.N. Singh, A generalized relationship to estimate thermal ...
  • D.N. Singh, K. Devid, Generalized relationships for estimating soil thermal ...
  • P.K. Kolay, D.N. Singh, Application of coal ash in fluid ...
  • D.N. Singh, S.J. Kuriyan, K.C. Manthena, A generalized relationships between ...
  • S. Sreedeep, A.C. Reshma, D.N. Singh, Generalized relationship for determining ...
  • D.G. Toll, Artificial intelligence applications in geotechnical engineering, Electronic Jourmal ...
  • M.A. Shahin, M.B. Jaksa, H.R. Maier, Artificial neural network applications ...
  • M. Banimahd, S.S. Yasrobi, P. Woodward, Artificial neural network for ...
  • N. Caglar, H. Arman, The applicability of neural networks in ...
  • Y.S. Kim, B.T. Kim, Use of artificial neural networks in ...
  • P.U. Kurup, E.P. Griffin, Prediction of soil composition from CPT ...
  • S.K. Sinha, M.C. Wang, Artificial neural network prediction models for ...
  • (August 17, 2007). [26] I.M. Lee, J.H. Lee, Prediction of ...
  • C.I.Teh, K.S.Wong, A.T.C.Goh, S. Jari tngam, Prediction of pile capacity ...
  • M.A. Shahin, H.R. Maier, M.B. Jaksa, Predicting settlement of shallow ...
  • Y. Erzin, B.H. Rao, D.N. Singh, Artificial neural networks for ...
  • G.W. Ellis, C. Yao, R. Zhao, D. Penumadu, Stress-strain modeling ...
  • P. Gandhidasan, M.A. Mohandes, Predictions of vapor pressures of aqueous ...
  • نمایش کامل مراجع