بررسی پتانسیل روانگرایی در خاک با استفاده از شبکههای عصبی مصنوعی

سال انتشار: 1389
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,112

فایل این مقاله در 7 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:

ICGESM04_128

تاریخ نمایه سازی: 18 خرداد 1389

چکیده مقاله:

روانگرایی یکی از پیچیدهترین مسائل مطرح در مهندسی ژئوتکنیک میباشد. مقاله حاضر به بررسی پتانسیل روانگرایی در خاک به کمک روشهای شبکههای عصبی مصنوعی میپردازد. شبکههای عصبی به عنوان یک ابزار قوی پردازش اطلاعات برای مدلسازی مسائل پیچیده مورد استفاده قرار میگیرد. مجموعه دادههای قابل اعتمادی برای استفاده در شبکه عصبی، به صورت مجزا از دو آزمایش SPT و CPT عصبی پیشنهاد شده در این مقاله نسبت به روشهای متداول و همچنین تحقیقات مشابه انجام شده در این زمینه نتایج بهتری را ارائه میدهد. در ادامه آنالیز حساسیت انجام شده و اهمیت نسبی پارامترهای موثر در روانگرایی محاسبه شده است.

نویسندگان

فریدون پویانژاد

استادیار گروه ژئوتکنیک دانشکده مهندسی دانشگاه فردوسی مشهد

بهمن قاسم زاده

دانشجوی کارشناسی ارشد ژئوتکنیک دانشکده مهندسی دانشگاه فردوسی مشهد

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 :
  • مشکای، ع و ناظمی، ع، (1388)، قدم‌ای بر داده کاوی"، ...
  • منهاج ..، (1381)، "شبکه‌های عصبی مصنوعی"، انتشارات دانشگاه صنعتی امیر ...
  • شالکف، رج.، ترجمه: جورابیان، م.، زارع، ط. و استوار، ا.، ...
  • Shuh-Gi Chern, Ching-Yinn Lee and Chin-Chen Wang, (2008), "CPT-based liquefaction ...
  • Adel M. Hanna, Derin Ural and Gokhan Saygili, (2007), "Neural ...
  • Garson GD. (1991), "Interpreting neural-netwo rks connection weight", AI Expert, ...
  • نمایش کامل مراجع