کاربرد شبکه عصبی مصنوعی در پیش بینی رفتار خاک های متورم شونده رسی

  • سال انتشار: 1389
  • محل انتشار: چهارمین همایش بین المللی مهندسی ژئوتکنیک و مکانیک خاک ایران
  • کد COI اختصاصی: ICGESM04_288
  • زبان مقاله: فارسی
  • تعداد مشاهده: 2618
دانلود فایل این مقاله

نویسندگان

حامد کمک پناه

کارشناس ارشد مهندسی عمران-خاک و پی،دانشکده فنی و مهندسی، دانشگاه ترب

سیدشهاب الدین یثربی

دانشیار بخش عمران، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران

علی اکبر گلشنی

استادیار بخش عمران دانشکده فنی و مهندسی

چکیده

در این تحقیق از روشی نوین با بکارگیری قابلیت شبکه عصبی مصنوعی برای پیش بینی رفتار خاک های متورم شونده رسی استفاده شده است. در این روش داده ها با استفاده از انواع آرایش شبکه های چند لایه پرسپترون، که از پرکاربردترین نوع شبکه های عصبی می باشد مدل شده اند. نتایج حاصل از این شبکه ها بر اساس شاخص های ارزیابی معرفی گردیده و با یکدیگر قیاس شده اند که منجر به انتخاب بهترین آرایش شبکه از لحاظ دقت و کاربرد گردیده است. . لازم به ذکر است که پارامترهای رطوبت، اندیس خمیری، حد روانی، حد خمیری، دانسیته خشک و درصد ریزدانه خاک بعنوان پارامتر های ورودی و پارامتر های فشار تورم و درصد تورم آزاد، هریک بطور جداگانه بعنوان پارامتر خروجی در نظر گرفته شده است. خاک های در نظر گرفته شده برای این شبکه بدلیل اینکه از مناطق مختلفی می باشند، لذا شبکه عصبی فوق قابلیت پیش بینی رفتار تورمی انواع خاکهای رسی را دارا می باشد. همچنین جهت آموزش سیستم شبکه های عصبی مورد تحقیق، از نتایج پژوهشهای قبلی، دادهای خام مهندسین مشاور ژئوتکنیک و پایانامه های موجود در زمینه خاکهای متورم شونده استفاده گردیده است.

کلیدواژه ها

تورم، خاکهای رسی، شبکه عصبی، پرسپترون، پارامترهای ورودی و خروجی

مقالات مرتبط جدید

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.