کاربرد شبکه عصبی مصنوعی درپیش بینی ظرفیت باربری خاک مسلح شده با ژئوگریدهای مایل
Publish place: 9th International Congress on Civil Engineering
Publish Year: 1391
Type: Conference paper
Language: Persian
View: 1,170
This Paper With 9 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:
ICCE09_1346
Index date: 28 September 2012
کاربرد شبکه عصبی مصنوعی درپیش بینی ظرفیت باربری خاک مسلح شده با ژئوگریدهای مایل abstract
بطور کلی افزایش ظرفیت باربری خاک یکی از مهمترین دغدغه های مهندسین ژئوتکنیک بشمار می رود بطوری که در سه دهه گذشته روش های مختلفی به این منظور مورد بررسی و آزمایش محققین قرار گرفته است. یکی از روش های افزایش ظرفیت باربری شالوده های سطحی مسلح نمودنخاک با استفاده از ژئوسینستیک ها می باشد که در حال حاضر به دلایل متعددی در پروژه های عمرانی رواج بسیاری پیدا کرده اند.در این تحقیق رفتار پی نواری واقع بر خاک مسلح به ژئوگریدهایی که از مرکز پی بصورت مایل در داخل خاک تعبیه شده است، مورد مطالعه قرار گرفته است. نتایج حاصل از این مطالعات در یک شبکه عصبی پرسپترون چندلایه با الگوریتم پس انتشار خطا به منظور پیش بینی ظرفیت بابری نهاییخاک های مسلح شده، مورد بررسی قرارگرفته است. نتایج بدست آمده از شبکه آموزش دیده از دقت بسیار بالایی برخوردار بوده و تقریب بسیارنزدیکی با نتایج آزمایشگاهی دارد. نتایج این تحقیق نشان می دهد که تغییر زاویه قرارگیری ژئوگریدها نسبت به افق در مقایسه با مسلح کننده های افقی تاثیر بسیاری بر ظرفیت باربری نهایی دارد بطوری که در زاویه 54 درجه نسبت به افق بیشترین ظرفیت باربری نهایی را داراست. همچنین شبکه عصبی مصنوعی با تقریب نسبتا بالایی می تواند ظرفیت باربری خاک مسلح شده با ژئوگرید را پیش بینی نماید
کاربرد شبکه عصبی مصنوعی درپیش بینی ظرفیت باربری خاک مسلح شده با ژئوگریدهای مایل Keywords:
کاربرد شبکه عصبی مصنوعی درپیش بینی ظرفیت باربری خاک مسلح شده با ژئوگریدهای مایل authors
معصومه زجاجی
مدرس دانشگاه، دانشگاه آزاد اسلامی واحد همدان، گروه کامپیوتر، همدا
وحید رستمی
عضو هیات علمی،دانشگاه آزاد اسلامی واحد همدان، گروه عمران،همدان، ا
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 :