ورود
مقالات فارسیISIکنفرانسهاژورنالها

پیش‌بینی مقاومت فشاری و کششی بستر رسی تثبیت‌شده با سیمان و باطله سنگ‌آهن با استفاده از روش‌های هوش محاسباتی

Publish place: Civil Infrastructure Researches، Vol: 6، Issue: 1
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 368

This Paper With 16 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:
https://civilica.com/doc/1155199

شناسه ملی سند علمی:

JR_CER-6-1_006

تاریخ نمایه سازی: 2 اسفند 1399

Abstract:

یکی از روش‌های بهسازی خاک بستر روسازی، استفاده از مواد افزودنی جهت تثبیت خاک است. برای ارزیابی کیفیت مصالح از آزمایش‌های مقاومت فشاری تک‌محوری و مقاومت کششی غیرمستقیم استفاده می‌شود. بهره‌گیری از این آزمایش‌ها با توجه به زمان‌بر بودن عمل‌آوری نمونه‌ها وقت‌گیر است .همچنین در صورت افزایش تعداد نمونه‌ها می‌تواند هزینه‌بر نیز باشد. در این تحقیق، از دو روش مدل‌سازی شبکه عصبی مصنوعی (ANN) و سیستم استنتاج عصبی- فازی تطبیقی (ANFIS) جهت پیش‌بینی مقاومت فشاری و کششی خاک رس تثبیت‌شده با سیمان و باطله سنگ‌آهن استفاده شده است. برای این منظور، پارامترهای درصد سیمان، درصد باطله، رطوبت بهینه و مدت زمان عمل‌آوری، به عنوان ورودی و پارامترهای مقاومت فشاری تک‌محوری و مقاومت کششی غیرمستقیم، به عنوان خروجی در نظر گرفته شده است و در هر مورد پایگاه داده‌ای متشکل از 100 داده مورد استفاده قرار گرفته است. مدل‌سازی با استفاده از این سه روش، برتری مدل شبکه عصبی مصنوعی نسبت به سیستم استنتاج عصبی- فازی تطبیقی را نشان می‌دهد. همچنین تحلیل حساسیت نشان می‌دهد که پارامترهای درصد سیمان و درصد باطله به‌ترتیب بیشترین و کمترین تأثیر را بر مقاومت فشاری و مقاومت کششی پیش‌بینی شده دارند.

Keywords:

مقاومت فشاری تک‌محوری , مقاومت کششی غیر‌مستقیم , خاک رس تثبیت شده , سیمان و باطله سنگ آهن , هوش محاسباتی

Authors

طوبا حیدری دزفولی

دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان.

علیرضا غنی زاده

دانشیار، دانشکده مهندسی عمران، دانشگاه صنعتی

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 :
  • [1] Mu, T. (2013). Soil Stabilization with Fly Ash and ...
  • [2] Bergado, D. T., Anderson, L. R., Miura, N., & ...
  • [3] Braja, M. D. (1990). Principle of foundation engineering. PWS-KENT, ...
  • [4] Nelson, J., & Miller, D. J. (1997). Expansive soils: ...
  • [5] Barclay, R. T., Casias, T. J. E. A., David ...
  • [6] Ghasemi, M., & Nezamabadi, B. (2016). “Evaluating the effect ...
  • [7] Ghasemi, M., & Nezamabadi, B. (2016). “Evaluating the effect ...
  • [8] Ghasemi, M., & Normandi, A. (2016). “Evaluating the effect ...
  • [9] Yarmahmoudi, A. (2018). Stabilization of cohesive red clay soil ...
  • [10] Gunaydin, O., Gokoglu, A., & Fener, M. (2010). “Prediction ...
  • [11] Alavi, A. H., & Gandomi, A. H. (2011). “A ...
  • [12] Das, S. K., Samui, P., & Sabat, A. K. ...
  • [13] Shrestha, R., & Al-Tabbaa, A. (2012). “Development of predictive ...
  • [14] Motamedi, S., Shamshirband, S., Hashim, R., Petković, D., & ...
  • [15] Motamedi, S., Shamshirband, S., Petković, D., & Hashim, R. ...
  • [16] Suman, S., Mahamaya, M., & Das, S. K. (2016). ...
  • [17] Mozumder, R. A., & Laskar, A. I. (2015). “Prediction ...
  • [18] Mozumder, R. A., Laskar, A. I., & Hussain, M. ...
  • [19] Javdanian, H. (2017). “The Effect of Geopolymerization on the ...
  • [20] Sathyapriya, S., Arumairaj, P. D., & Ranjini, D. (2017). ...
  • [21] Güllü, H., & Fedakar, H. I. (2017). “On the ...
  • [22] Chore, H. S., & Magar, R. B. (2017). “Prediction ...
  • [23] Sihag, P., Suthar, M., & Mohanty, S. (2019). “Estimation ...
  • [24] Ghanizadeh, A., Bayat, M., Tavana Amlashi, A., & Rahrovan, ...
  • [25] Mohanty, S., Roy, N., Singh, S. P., & Sihag, ...
  • [26] ASTM International. (2015). ASTM D 1557: standard Test Methods ...
  • [27] ASTM International. (2015). ASTM D 3282: Standard Test Method ...
  • [28] ASTM International. (2015). ASTM D 2487: Standard Test Method ...
  • [29] ASTM International. (2014). ASTM D 854: standard test methods ...
  • [30] ASTM International. (2014). ASTM D 4318: Standard Test Methods ...
  • [31] ASTM International. (2008). ASTM D 427: standard Test Method ...
  • [32] ASTM International. (2013). ASTM D 4972: Standard Test Method ...
  • [33] ASTM International. (2015). ASTM D 2166: standard Test Method ...
  • [34] ASTM International. (2014). ASTM D 496: Standard Test Method ...
  • [35] Haykin, S. (2001). Neural networks: principles and practice. Bookman, ...
  • [36] Freeman, J. A., & Skapura, D. M. (1992). “Backpropagation”, ...
  • [37] Werbos, P. (1974). Beyond regression:" new tools for prediction ...
  • [38] Rumelhart, D. E., Hinton, G. E., & Williams, R. ...
  • [39] Jang, J. R. (1993). “ANFIS: adaptive-network-based fuzzy inference system”, ...
  • [40] Kisi, O., Haktanir, T., Ardiclioglu, M., Ozturk, O., Yalcin, ...
    • نمایش کامل مراجع