استفاده از شبکه عصبی مصنوعی بهمنظور برآورد (تخمین) خرابی حین نصب ژئوتکستایلهای بافته نشده
Publish place: Journal of Engineering Geology، Vol: 13، Issue: 5
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 185
This Paper With 22 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:
شناسه ملی سند علمی:
JR_JEG-13-5_001
تاریخ نمایه سازی: 10 اردیبهشت 1400
Abstract:
این مقاله مدلی از شبکه عصبی پس انتشار را برای پیشبینی (گویی) مقاومت کششی باقیمانده و چارت طراحی بهمنظور برآورد (تخمین) ضرایب کاهش مقاومت ژئوتکستایلهای بافته نشده که تحت فرآیند نصب قرار گرفته اند، ارائه میکند. ۳۴ داده از تست های برجای مقیاس کامل برای آموزش، صحتسنجی و آزمایش شبکه عصبی ایجاد شده (توسعه یافته) و مدل رگرسیونی استفاده شده است. نتایج نشان می دهد که، پیشبینی مقاومت کششی باقیمانده با استفاده از شبکه عصبی آموزش داده شده، تطابق خوبی با نتایج آزمایشگاهی دارد. پیشبینی های بهدست آمده از شبکه عصبی بسیار بهتر از مدل رگرسیونی هستند، بهطوریکه درصد خطای حداکثر داده های آموزش داده شده برای شبکه عصبی و مدل رگرسیونی بهترتیب کمتر از ۸۷/۰ درصد و ۹۲/۱۸ درصد است. بر اساس شبکه عصبی توسعه یافته، یک چارت طراحی ایجاد شده است. بهطورکلی، ضرائب کاهش مقاومت ژئوتکستایل ها ناشی از خرابی نصب هنگامی که عملیات تراکم در شرایطی اعم از مقاومت کشش چنگکی نمونه پیش از نصب کمتر، تنش اعمالی روی ژئوتکستایل بیشتر، مصالح خاکریز با اندازه دانه بزرگ تر، تراکم نسبی مصالح خاکریز بیشتر و بستر ضعیف تر انجام میشود، افزایش می یابد.
Keywords:
Artificial neural networks (ANNs) , Regression model , Nonwoven geotextiles , Retained tensile strength , strength reduction factor. , شبکه عصبی مصنوعی , مدل رگرسیونی , ژئوتکستایل های بافته نشده , مقاومت کششی باقیمانده , ضریب کاهش مقاومت
Authors
احسان امجدی
دانشگاه خوارزمی، دانشکده فنی مهندسی، گروه عمران
غلامحسین اوکلیمهرجردی
دانشگاه خوارزمی، دانشکده فنی مهندسی، گروه عمران
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 :