ارزیابی شاخص فشردگی خاک های رسی با استفاده از روش های هوش مصنوعی و مقایسه با سایر روابط تجربی
- سال انتشار: 1397
- محل انتشار: پنجمین کنفرانس بین المللی یافته های نوین علوم و تکنولوژی با محوریت علم در خدمت توسعه
- کد COI اختصاصی: DSCONF05_071
- زبان مقاله: فارسی
- تعداد مشاهده: 746
نویسندگان
دانشجوی کارشناسی ارشد مهندسی ژیوتکنیک دانشگاه آزاد اسلامی واحد قایمشهر
استادیار و عضو هییت علمی دانشگاه آزاد اسلامی واحد قایمشهر
دکتری مهندسی ژیوتکنیک، عضو باشگاه پژوهشگران جوان دانشگاه آزاد اسلامی، واحد قایمشهر
چکیده
در خاک های ریزدانه به علت نفوذپذیری پایین و جاذب آب بودن کانی های رس، خروج آب از خاک پس از گذشت مدت زمانی طولانی انجام می پذیرد، در این خصوص برآورد نشست حاصل از تحکیم ضروری می باشد. بدیهی است، در صورت عدم پیش بینی، نشست موجب خسارات جبران ناپذیری می گردد. قبل از اجرای هر پروژه باید پتانسیل خاک از نظر مقدار و نوع نشست مشخص گردد. یکی از روش های محاسبه ی نشست حاصل از تحکیم، استفاده از ضرایبی است که از طریق آزمایش تحکیم بدست می آیند. با توجه به زمان نسبتا زیاد آزمایش تحکیم، تخمین نشست تحکیمی بر مبنای پارامترهای موثری که با انجام آزمایشات ساده و کم هزینه و با دقت کافی قابل تعیین باشند، همواره مورد توجه بسیاری از کارشناسان و محققین ژیوتکنیک و راه سازی بوده است. در این پژوهش با استفاده از مجموعه ای از داده های آزمایشگاهی بدست آمده از مقالات پژوهشی مختلف برای توسعه مدل پیشنهادی استفاده شده است. در این مقاله، نسبت پوکی اولیه و حد روانی به عنوان پارامترهای ورودی مدل و شاخص نشست تحکیمی به عنوان پارامترها خروجی مدل معرفی گردید. برای ارزیابی مدل SVM و مقایسه با روابط تجربی از شاخص های آماری خطا نظیر RMSE، R و MAE استفاده شده است. پس از توسعه مدل، نتایج کسب شده از روش ماشین های بردار پشتیبان با نتایج حاصل از فرمول های تجربی در ارتباط با داده های مشاهداتی مورد مقایسه قرار گرفت. نتایج نشان داد که روش SVM در مرحله آموزش با ضریب همبستگی 0/87 و در مرحله آزمایش با ضریب همبستگی 0/92 در مقایسه با روابط تجربی پیشین، عملکرد بالاتری داشته است. همچنین، روابط تجربی Ran & Gue (2000) و Park & Lee (2011) به ترتیب با داشتن ضریب همبستگی 0/85 و 0/84، در مقایسه با دیگر روابط تجربی از عملکرد بهتری برخوردار بودند و دارای دقت بیشتری می باشند.کلیدواژه ها
شاخص فشردگی خاک، روش ماشین های بردار پشتیبان، روابط تجربی، تحکیم، شبکه عصبی مصنوعیمقالات مرتبط جدید
- بررسی به کارگیری سیستم ذخیره سازی انرژی با استفاده از منابع انرژی تجدیدپذیر
- اقدامات لازم برای حفاظت از محیط زیست دریایی
- ارائه طرح مبتنی بر رایانش ابری جهت ارتقاء بهره وری صنایع خودروسازی (مطالعه موردی: مدیران خودرو)
- مروری بر تکنولوژی ماکرویو برای خردایش سنگ های کمیاب
- کاربرد و بکارگیری تکنولوژی های اینترنت اشیا ، یادگیری ماشین و پردازش تصویر در امنیت و کنترل خودرو
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.