بررسی رفتار مصالح شن دار در بارگذاری زه کشی نشده مونوتونیک با استفاده از شبکه های عصبی مصنوعی
Publish place: Journal of Engineering Geology، Vol: 8، Issue: 2
Publish Year: 1393
نوع سند: مقاله ژورنالی
زبان: Persian
View: 749
This Paper With 26 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JEG-8-2_007
تاریخ نمایه سازی: 6 شهریور 1393
Abstract:
امکان توسعه و به کارگیری شبکه های عصبی مصنوعی در مدل سازی نتایج آزمایش های مونوتونیک سه محوری قطر بزرگ روی انواع مصالح سنگ ریزه ای تیزگوشه، گردگوشه و مصالح شنی با درصدهای مختلف ریزدانه بهکار رفته در بدنه سدهای مهم کشور در این مقاله ارائه می شود. در ابتدا قابلیت شبکه های عصبی مصنوعی (ANNs) در مدل سازی منحنی های رفتاری تنش تفاضلی- اضافه فشار آب حفره ای- کرنش محوری بررسی شده است که دلالت بر قابلیت نسبتاً مناسب مدل در شبیه سازی رفتار مصالح شن دار دارد. بانک اطلاعات به کار رفته در شبکه، شامل 52 گزینه مختلف آزمایش سه محوری کرنش-کنترل تحت شرایط زه کشی نشده است. برای مسئله مذکور، یک برنامه شبکه های عصبی مصنوعی پیش خوراند سه لایه پرسپترون (MLP) در محیط MATLAB7 نوشته شد و شبکه بهینه (تعداد لایه های مخفی، تابع تبدیل و نوع آموزش شبکه) به روش سعی و خطا، و با توجه به شاخص های خطا و تطابق با داده های آزمایشگاهی انتخاب شد. پارامترهای ورودی شبکه شامل تنش محدود کننده، دانسیته و درصد رطوبت بهینه، توزیع اندازه دانه ها و نرخ ایجاد کرنش است. نتایج نشان می دهد که ANNs قابلیت بسیار مناسبی در تخمین منحنی های رفتاری یاد شده در همه موارد بررسی شده دارد. در ادامه قابلیت شبکه های عصبی مصنوعی (ANNs) در به دست آوردن حداکثر زاویه اصطکاک داخلی و نتاطی از منحنی های رفتاری شامل تنش های تفاضلی حداکثر و پسماند و اضافه فشارهای آب حفره ای در کرنش های نظیر بررسی شد. ضمناً از قابلیت تعمیم شبکه عصبی مصنوعی برای بررسی موارد آزمایش نشده مثل اثر تغییرات دانسیته و درصد کوچک تر از 0/2mm هم بهره گرفته شد.
Authors
عطا آقایی آرایی
مرکز تحقیقات راه، مسکن و شهرسازی.