پیش بینی سختی خاک در شالوده های نواری تحت بار دینامیکی مسلح شده با ژئوگرید با استفاده از شبکه های عصبی مصنوعی
Publish place: 3rd National Congress on Urban Development
Publish Year: 1390
Type: Conference paper
Language: Persian
View: 1,234
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
NCUD03_167
Index date: 1 January 2012
پیش بینی سختی خاک در شالوده های نواری تحت بار دینامیکی مسلح شده با ژئوگرید با استفاده از شبکه های عصبی مصنوعی abstract
بطور کلی افزایش ظرفیت باربری خاک یکی از مهمترین دغدغه های مهندسین ژئوتکنیک بشمار می اید بطوریکه در سه دهه گذشته روشهای مختلف به این منظور مورد بررسی و آزمایش محققین قراررگرفته است یکی از روشهای افزایش ظرفیت باربری شالوده های سطحی مسلح نمودن خاک با استفاده از ژئوسینستیک ها می باشدکه در حال حاضر به دلایل متعددی در پروژه های عمرانی رواج بسیاری پیدا کرده اند دراین تحقیق تاثیر وجود ژئوسینستیک ها برسختی خاک تحت اثر سه نوع بارگذاری دینامیکی با دامنه متفاوت موردب ررسی قرارگرفته است به این منظور از یک روش عددی متکی برتفاضلات محدود کمک گرفته و سیستم مذکور با استفادها ز نرم افزار FLAC مدلسازی گردیده است نتایج حاصل از این تحلیل ها در یک شبکه عصبی پرسپترون چند لایه با الگوریتم پس انتشار خطا به منظور پیش بینی نسبت سختی خاکهای مسلح شده استفاده شده است. بنابراین در تحلیل نسبت سختی خاک می توان با تقریب قابل قبولی از نتایج شبکه عصبی مصنوعی استفاده کرد همچنین نسبت سختی خاک در حالت مسلح شده با ژئوگرید به حالتغیرمسلح تحت بارگذاری دینامیکی با افزایش طول ژئوگرید از 1 برابر عرض شالوده به 3 برابر عرض شالوده افزایش می یابد.
پیش بینی سختی خاک در شالوده های نواری تحت بار دینامیکی مسلح شده با ژئوگرید با استفاده از شبکه های عصبی مصنوعی Keywords:
پیش بینی سختی خاک در شالوده های نواری تحت بار دینامیکی مسلح شده با ژئوگرید با استفاده از شبکه های عصبی مصنوعی authors
وحید رستمی
عضو هیئت علمی دانشگاه آزاد اسلامی واحد همدان
معصومه زجاجی
مدرس دانشگاه آزاد اسلامی واحد همدان
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 :