ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی نشست شمع ها تحت اثر بار محوری به کمک شبکه های عصبی مصنوعی و بر اساس نتایج حاصل از آزمایش SPT

سال انتشار: 1389
کد COI مقاله: NCCE05_255
زبان مقاله: فارسیمشاهده این مقاله: 1,277
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 8 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی نشست شمع ها تحت اثر بار محوری به کمک شبکه های عصبی مصنوعی و بر اساس نتایج حاصل از آزمایش SPT

فریدون پویانژاد - استادیار گروه عمران دانشکده مهندسی دانشگاه فردوسی مشهد
محمدرضا کاخی - دانشیار گروه عمران دانشکده مهندسی دانشگاه فردوسی مشهد

چکیده مقاله:

نشست فنداسیون های عمیق (شمع ها) در اثر کاهش حجم لایه های زیرین خاک، ناشی از افزایش تنش ایجاد می شود.نشست های آنی فنداسیو نها که بلافاصله پس از اعمال بار ایجاد می شوند باعث ایجاد تغییر شکلهای سریع در سازه متصل به آن ها شده و در نهایت ممکن است باعث انهدام سازه شوند، لذا علاوه بر محاسبه ظرفیت باربری شمعها پیش بینی نشست شمع ها نیز عامل مؤثر در طراحی خواهد بود. اغلب روش های موجود برای محاسبه نشست شمع ها با یکسان نمودن فرضیاتی که در نشست مؤثر م یباشند مسئله را ساده تر کرد هاند. بنابراین در روش های متفاوت پیش بینینشست، سازگاری وجود ندارد. در نتیجه روش های دیگری مورد نیاز بوده که بتواند به محدودی تهای روش های موجود غلبه نموده و دقت کافی رادر پیش بینی نشست دارا باشد. در این مقاله یک روش برای پی شبینی دقیق تر نشست شمع ها که فقط براساس داده ها استوار است، ارائه شده است. روشی که به طور موفقیت آمیز در مسایل ژئوتکنیک مورد استفاده قرار گرفته و به شبکه های عصبی مصنوعی (ANNs) معروف است مدل ارائه شده براساس داده های حاصل از آزمایش SPT آموزش داده می شود.

کلیدواژه ها:

نشست شمع، آزمایش SPT ، آزمایش بار گذاری شمع، شبکه عصبی

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا NCCE05_255 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/80538/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
پویانژاد، فریدون و کاخی، محمدرضا،1389،پیش بینی نشست شمع ها تحت اثر بار محوری به کمک شبکه های عصبی مصنوعی و بر اساس نتایج حاصل از آزمایش SPT،پنجمین کنگره ملی مهندسی عمران،مشهد،https://civilica.com/doc/80538

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1389، پویانژاد، فریدون؛ محمدرضا کاخی)
برای بار دوم به بعد: (1389، پویانژاد؛ کاخی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • Sowers, G. F. (1970). Introductory soil mechanics and foundations : ...
  • Neuscience, (2000). Neuframe Version 4.0, Neusciences Corp., Southampton, Hampshire. ...
  • Stone, M. (1974).، Cros s-validatory choice and assessmen of statistical ...
  • Masters, T. (1993). Practical neural networy recipes in _ Academic ...
  • مدیریت اطلاعات پژوهشی

    صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
    این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: 28,960
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مقالات مرتبط جدید

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره 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.

    پشتیبانی