کاربرد شبکه های عصبی مصنوعی (ANN) در پیش بینی setup شمع کوبشی

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 702

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:

DCECAU01_065

تاریخ نمایه سازی: 2 تیر 1395

چکیده مقاله:

در چندسال گذشته روش ANN با چند درجه مختلف در بسیاری از مشکلات ژئوتکنیکی مهندسان بکار برده شده است. با مراجعه به طراحی فنداسیون توانایی پیش بینی درست SETUP می تواند به طراحی اقتصادی تر پی ها کمک می کند. در این مقاله یک مدل ANN با یک پیش بینی PILE SETUP و استفاده آن در 104 مورد که شامل نشر در مطبوات بود، انجام شد. در این مقاله در مورد پارامترهایی از درون شبکه که به رسیدن به مدل بهینه ANN کمک می کند، بحث می کنیم. در نهایت این مقاله پیش بینی های مدل ANN را با چند فرمول تجربیه مقایسه می نماید. در ابتدا بنظر می رسد که مدل ANN بطور مطلوبی اندازه گیری PILE SETUP را انجام می دهد و بطور موفق به فرمول های تجربی می رسد.

کلیدواژه ها:

شبکه عصبی مصنوعی (setup ، (ANN ، شمع کوبشی ، پیری خاک

نویسندگان

وحید شیرعلی نژاد

دانشجوی مهندسی عمران- عمران، تهران، ایران

مهدی کماسی

دکترای سازه های هیدرولیکی، بروجرد، لرستان، ایران

سیدمحمد موسوی

دانشجوی مهندسی کامپیوتر- نرم افزار، 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 :
  • Abu-Kiefa, M.A., 1998. Genceral regression neural networks for drivcn piles ...
  • Hormik, K., Stirchcombe, M., White, H., 1989. Multilayer feed forwardn ...
  • Shahin, M. 2003. Use of Artificil Neural Network for Predicting ...
  • Shahin, M.A.. Maier, _ M.B., 20 02. Predicting _ ofshalliow ...
  • Svinkin. M.R., Skov, R. _ _ _ Set-up effect f ...
  • نمایش کامل مراجع