تعیین عدد مدول نشست جانبو در خاک های رسی با استفاده از سرعت موج برشی (مطالعه موردی: شهر تبریز)

Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 577

This Paper With 11 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_CEEJ-49-97_010

تاریخ نمایه سازی: 25 خرداد 1399

Abstract:

نشست تحکیمی یکی از نگرانی­های ژئوتکنیکی پروژه­ها در مناطق با لایه­های رسی می باشد. روش­های متداول مطالعه این موضوع نیاز به صرف زمان قابل توجه دارد. برای ارزیابی نشست تحکیم عمدتا از تئوری­های Terzaghi(1923) و Janbu (1963) استفاده می شود. امروزه یکی از موضوعات مورد علاقه محققان به منظور ارزیابی این نشست، بررسی روابط تجربی و روش شبکه عصبی مصنوعی با استفاده از خصوصیات فیزیکی و خمیری و اخیرا سرعت موج برشی می باشد. بدین ترتیب با تعیین سرعت موج برشی، ضرایب نشست از جمله عدد مدول نشست جانبو به کمک این روش­ها برآورد شده و ارزیابی پتانسیل نشست پذیری یک منطقه با صرف زمان و هزینه کمتر عملی خواهد بود. شهر تبریز واقع در شمال غربی ایران، دارای انواع خاک­های ریزدانه رسی، سیلتی و انواع مارن (زرد، سبز و خاکستری) با پتانسیل نشست­پذیری مختلف تحکیم می باشد. در این تحقیق با حفاری سه گمانه ماشینی به عمق تا 8 متر، آزمایشات کامل فیزیکی، خمیری و تحکیم بر روی 20 نمونه خاک دست نخورده انجام گردید. از آزمایش صحرائی درون چاهی نیز برای تعیین سرعت موج برشی در گمانه­ها استفاده شد. تا حد امکان از نتایج مطالعات ژئوتکنیکی موجود در محدوده تحقیق نیز استفاده شده و در مجموع بانک اطلاعاتی با 37 سری از خصوصیات نشست و سرعت موج برشی تهیه گردید. پس از تفسیر آماری و تعیین ضریب همبستگی بین داده های تحقیق و عدد مدول جانبو، روابط تجربی موجود با داده های تحقیق صحت­سنجی گردید. با استفاده از رگرسیون خطی و غیر خطی، روابط تجربی بین عدد مدول جانبو و سرعت موج برشی مطالعه شده و بر اساس کلیه داده های موجودشامل 229 سری داده صحت­سنجی و مقایسه انجام گردید. روابط پیشنهادی، مخصوصا رابطه نمایی با ضرایب آماری (786/0R2=،2257/0RMSE=،999/0 (CR=نسبت به روابط موجود کارائی بهتری نتیجه می دهند. همچنین به منظور برآورد عدد مدول جانبو، شبکه عصبی مصنوعی با 8 متغییر ورودی شامل خصوصیات فیزیکی و خمیری به همراه سرعت موج برشی مطالعه و نتایج با روابط تجربی نیز مقایسه گردید. شبکه عصبی با دو لایه پنهان و 15 نرون مخفی در هر لایه بهترین کارائی را نتیجه می دهد.

Authors

علیرضا علیزاده مجدی

گروه مهندسی عمران- ژئوتکنیک، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران

روزبه دبیری

گروه مهندسی عمران، واحد تبریز، دانشگاه آزاد اسلامی، تبریز

نوید گنجیان

گروه مهندسی عمران- ژئوتکنیک، واحد علوم و تحقیقات تهران، دانشگاه آزاد اسلامی، تهران

عباس قلندرزاده

گروه مهندسی عمران- ژئوتکنیک، دانشکده مهندسی عمران، دانشگاه تهران

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • برآورد نشست تحکیمی خاکهای رسی با استفاده از شبکه های عصبی مصنوعی [مقاله کنفرانسی]
  • دریائی م، کاشفی­پور س م، احدیان ج، قبادیان ر، مدل­سازی ...
  • هاشمی جوکار م،  میراثی س، رهنما ح تعیین شاخص تراکم ...
  • Amiri SN, Esmaeily A, Mahouti A, A Realistic Theory of ...
  • American Society for Testing and Materials. ASTM D 2435-03, Standard ...
  • American Society for Testing and Materials. ASTM D 854. Standard ...
  • American Society for Testing and Materials. ASTM D 422-63, Standard ...
  • American Society for Testing and Materials. ASTM D 2216, Standard ...
  • American Society for Testing and Materials. ASTM D 4318-93, Standard ...
  • American Society for Testing and Materials ASTM D 2487-93. Standard ...
  • American Society for Testing and Materials ASTM D7400-08, Standard Test ...
  • Carrol RA, Use of CRS test to predict settlement in ...
  • Fam M, Santamarina JC, Study of Consolidation Uing Mechanical and ...
  • Fellenius BH, Basics of Foundation Design , Electronic Edition, www.Fellenius.net, ...
  • Hooshmand A, Aminfar MH, Asghari E, Ahmadi H, Mechanical and ...
  • Kalantary F, Kordnaij A, Prediction of compression index using artificial ...
  • Knusen M, On Determination of Gmax by Bender Element and ...
  • Landon M M, DeGroot D J, Sheahan TC, Nondestructive Sample ...
  • L’Heureux JS, Correlations between shear wave velocity and geotechnical parameters ...
  • L Heureux JS, Long M, Vanneste M, Sauvin G, Hansen ...
  • Likitlersuang S, Teachavorasinskun S, Surarak C, Oh E, Balasubramaniam A, ...
  • Long M, Donohue S, Characterization of Norwegian marine clays with ...
  • Mandar PK, Patel A, Simgh DN, Application of Shear Wave ...
  • Mayne PW, Rix GJ, Gmax-qcrelationships for clays , Geotechnical Testing ...
  • Nishimura S, Laboratory Study on anisotropy of natural London Clay ...
  • Nor Omara M, Abbiss CP, Taha MR, Anuar K, Nayan ...
  • Noutash MK, Dabiri R, Hajialilue Bonab M, The Evaluation of ...
  • Ozer M, Isik NS, Orhan M, Statistical and neural network ...
  • Park HI, Evaluation of the compression index of soils using ...
  • Tong L, Liu L, Cai G, Du G, Assessing the ...
  • Yang G, Luo Y, Zhang Y, Wang E, Application of ...
  • Yilmaz I, Erzin Y, On the reliability of SPT-N value ...
  • Yoon H, Lee C, Kim H, Lee JS, Evaluation of ...
  • نمایش کامل مراجع