تعیین ظرفیت باربری پی نواری واقع بر ماسه مسلح شده با استفاده از الگوریتم ماشین بردار پشتیبان SVM با استفاده از کرنل RBF

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 438

فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICSAU04_0275

تاریخ نمایه سازی: 11 مرداد 1396

چکیده مقاله:

پیش بینی ظرفیت باربری پی های واقع بر خاک ماسه ای مسلح شده یکی از مسایل اساسی در مهندسی ژیوتکنیک می باشد و تاکنون روش های متفاوتی برای ارزیابی آن ارایه شده است. این مسیله زمانی که پی واقع بر خاک چندلایه باشد به مسیله پیچیده تری تبدیل می شود که در اغلب موارد از میانگین گیری وزنی برای تعیین ظرفیت باربری پی استفاده می گردد. به علت صرف وقت و هزینه زیاد در روش های آزمایشگاهی بنظر می رسد که تقاضای مدل های عددی برای پیشبینی ظرفیت باربری توسعه یافته است و کارآیی روش های ماشین بردار پشتیبان در ارزیابی پدیده های ژیوتکنیکی در پژوهش های گوناگونی ذکر شده است. در این مقاله از الگوریتم هوش مصنوعی SVM بهره گرفته شده است. علاوه بر این از کرنل تابع پایه شعاعی RBF برای پیشبینی مقادیر ظرفیت باربری استفاده شده است. به منظور بوجود آوردن مدل و تصدیق اجرای الگوریتم، حدود 80 درصد از داده ها به صورت تصادفی به عنوان داده های آموزشی و بقیه به عنوان داده های آزمایش به الگوریتم داده شد. نتایج بدست آمده نشان داد که روش SVM توانایی پیشگویی بالایی برای این مطالعه دارد. علاوه بر این ضریب همبستگی (R(2 با دقتی برابر 0.9871 با استفاده از کرنل تابع پایه شعاعی RBF تعیین گردیده است.

کلیدواژه ها:

پی برداری ، خاک مسلح شده ، ظرفیت باربری ، ماشین بردار پشتیبان SVM ، کرنل تابع پایه شعاعی RBF

نویسندگان

بهناز جهانی

دانشجوی کارشناسی ارشد مهندسی ژیوتکنیک دانشگاه تحصیلات تکمیلی کرمان

علی حیدری پناه

مرکز تحقیقات راه، مسکن و شهرسازی بخش روسازی تهران، ایران

فضل الله سلطانی

استادیار دانشگاه تحصیلات تکمیلی کرمان

امین باقیزاده

دانشیار دانشگاه تحصیلات تکمیلی کرمان

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 :
  • .C.R. Patra J.N. (20 05)Mandal and B.M. Das Ultimate bearing ...
  • .c. C. Huang, and F. Y. Menq (1997) DEEP-FOOTING AND ...
  • .E. C. SHIN, B. M. DAS, E. S. LEE and ...
  • .P. K. Kolay, S. Kumar, and D. Tiwari(20 13) Improvement ...
  • . V. ROSTAMI and M. GHAZAVI(2015) ANALYTICAL SOLUTION FOR CALCULATION ...
  • .Bearing capacity of circular foundations reinforced with geogrid sheets Manash ...
  • . Hongbo Zhao, Zenghu Huang, and Zhengsheng Zou (2014) Simulating ...
  • .Pijush Samui and T. G. Sitharam(2008) OCR Prediction Using Support ...
  • . Ching-Yinn Lee . 2012 CPT-Based Liquefaction Assessment by Using ...
  • . Pijush Samui 2008 Support vector machine applied to settlement ...
  • . Vapnik, V. (1995). The nature of statistical learning. New ...
  • . Kezhen, Y., Honghui, Y., Huarong, L., & Likui, H. ...
  • 29 December 2016, Shahid Beheshti University , Tehran , Iran ...
  • . (A. Kumar .M. L. Ohri .R. K. Bansal 20 ...
  • نمایش کامل مراجع