پیش بینی ضریب نفوذ پذیری خاک های ریز دانه غیر اشباع نسبت به فاز آب،با استفاده از روش های شبکه عصبی مصنوعی و برنامه ریزی ژنتیک

محمد حسین پرواز; محسن اژدری

پیش بینی ضریب نفوذ پذیری خاک های ریز دانه غیر اشباع نسبت به فاز آب،با استفاده از روش های شبکه عصبی مصنوعی و برنامه ریزی ژنتیک

Publish place: 8th National Congress On Civil Engineering

Publish Year: 1393

نوع سند: مقاله کنفرانسی

زبان: Persian

This Paper With 8 Page And PDF Format Ready To Download

دریافت فایل کامل Paper

Certificate
من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > شبکه عصبی

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

https://civilica.com/doc/295637

شناسه ملی سند علمی:

NCCE08_0187

تاریخ نمایه سازی: 5 مهر 1393

Abstract:

در این مقاله ضریب نفوذپذیری خاکهای ریزدانه غیراشباع، با استفاده از دو روش شبکه های عصبی مصنوعی پرسپترون و برنامه ریزی ژنتیک، پیش بینی می شود داده های آزمایشگاهی حاصل از مطالعات پژوهشگران مختلف با بکارگیری روش های مذکور در محیط برنامه نویسی MATLAB مورد پردازش قرار می گیرد با در نظر گرفتن تاثیر پارامترهای منحنی مشخصه آب خاک شامل مکش بافتی مقدار آب حجمی در حالت اشباع مقدار آب حجمی پسماند عدد ورودی هوا شاخص نحوه توزیع حفرات درون خاک برای حالت های ترسازی و خشک اندازی به طور جداگانه و همچنین پارامتر تنش خالص، یک شبکه عصبی مصنوعی مناسب پیش خور با شیوه ی پس انتشار خطا تربیت شده و پس از آن، روابط مناسب با یکارگیری برنامه ریزی ژنتیک استخراج می گردد برای داده های مورد استفاده در فرآیند آموزش و اعتبار سنجی، نتایج حاصل از هر دو روش ، برای نمونه های خاک ریزدانه غیراشباع، با مقادیر واقعی مقایسه گردیده است.

Keywords:

ضریب نفوذپذیری غیراشباع , خاکهای ریزدانه , شبکه عصبی مصنوعی , برنامه ریزی ژنتیک

Authors

محمد حسین پرواز

دانشجوی کارشناسی ارشد عمران،گرایش مکانیک و پی دانشگاه آزاد اسلامی واحد استهبان

محسن اژدری

استادیار دانشکده مهندسی عمران گرایش مکانیک خاک و پی دانشگاه فسا

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 :

Fredlund, D.G. (2000), "The 1999 R.M. Hardy Lecture: The implementation ...
Samingan, A. S. Leong, E. C., & Rahardjo, H. (2005), ...
Klute, A. (1965), "Laboratory measuremet of hydraulic conductivity of unsaturated ...
Hamilton, J.M., Daniel, D.E., Olson, R.E. (1981), "Measuremet of hydraulic ...
Taibi, S. Bicalho, K.V., Sayad-Gaidi, C. and Fleureau, J.M. (2009), ...
Huang, S., Fredlund, D.G. and Barbour S.L., (1998), "Development and ...
Lim, D.K.H. and Kolay, P.K. (2009), "Predicting Hydraulic Conductivity (k) ...
Gribb, M.M. and Gribb, G.W. (1994), :Use of Neural Networks ...
Filz, G. M., Henry, L. B., Heslin, G. M, and ...
Najjar, Y. M., and I. A. Basheer(1996), "Utilizing Computational Neural ...
Boadu, Kofi F., (2000), "Hydraulic conductivity of soils from grain-size ...
Ajdari M, Habibagahi G, Ghahramani A. (2012), "Predicting effective S ...
Rosenblat, F., (1958), _ Perceptron: a Probabilistic Model for Information ...
Werbos, P.J. (1974), "Beyond regression: New tools for prediction and ...
Koza, J.R., (1992), :Genetic Programming: On the Programming of Computers ...
Aytek, A., Asce, M. andAlp, M. (2008), _ application of ...
Poli, R., Langdon, W.B., McPhee, N.F. (2008), _ Field Guide ...
Ng, C. and Leung, A. (2012), _ :Measuremens of Drying ...
Moore, R. E. (1939), :Water Conduction from Shallow Water Tables", ...
Gui, M.W. and Hsu, C.S. (2007), :Water Coefficient of Permeability ...
Pachepsky Y.A., Shcherbakov, R.A., Varallyay, G., Rajkai, K., (1984). :On ...
Pereira, Jose H.F. .Delwyn G. Fredlund, Manoel P. Cardao Neto ...
Li, X., Zhang, L.M. and Fredlund, D.G., (2009) , "Wetting ...
Silva S, Almeida J., (2003), :GPLAB - A Genetic Programming ...

نمایش کامل مراجع