پیش بینی ضریب اطمینان پایداری شیب محافظت شده با سیستم میخ کوبی در خاک های درشت دانه با استفاده از روش هوش مصنوعی
Publish place: 8th National Congress On Civil Engineering
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 673
This Paper With 8 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:
NCCE08_0267
تاریخ نمایه سازی: 5 مهر 1393
Abstract:
تئوری استفاده از سیستم میخ کوبی بر مبنای مسلح کردن و مقاوم نمودن توده خاک با استفاده از دوختن توده خاک توسط مهارهای کششی با فواصل نزدیک به یکدیگر می باشد یکی از مهمترین پارامترهایی که باید در بحث طراحی و نیز عملکرد مناسب سیستم میخ کوبی مدنظر قرار گرفته شود، ضریب اطمینان پایداری این سیستم می باشد در این مقاله یکی از روش های هوش مصنوعی به نام برنامه نویسی به روش توصیف ژن GEP برای تکامل مدل هایی جهت پیش بینی ضریب اطمینان پایداری سیستم میخ کوبی مورد استفاده قرار گرفته است پارامترهای ورودی شامل مدول الاستیسیته وزن مخصوص و زاویه اصطکاک داخلی خاک، زاویه نسبت به افق و فاصله مرکز به مرکز میخ ها و ارتفاع گودبرداری و پارامتر خروجی ضریب اطمینان پایداری می باشد بانک اطلاعاتی جامعه ای متشکل از 108 مجموعه داده که با ترکیب ورودی های عنوان شده ، با استفاده از مدل سازی های 3 بعدی که در نرم افزار المان محدود PLAXIS مورد تحلیل قرار گرفته اند به دست آمده است مقایسه بین نتایج پیش بینی شده توسط مدل GEP و نتایج PLAXIS نشان میدهد که مدلهای مورد نظر توانایی و دقت بالایی در پیش بینی ضریب اطمینان پایداری سیستم میخ کوبی دارد همچنین جهت تایید صحت عملکرد مدلهای ارائه شده آنالیز حساسیت وپارامتریک بر روی آنها انجام شده است
Keywords:
Authors
سبحان فلاح
دانشجوی کارشناسی ارشد دانشگاه آزاد اسلامی واحد بوشهر
محمدرضا شکاری مهرآبادی
استادیار عضو هیات علمی دانشکده مهندسی دانشگاه یاسوج
امین کشاورز
استادیار عضو هیات علمی دانشکده مهندسی دانشگاه خلیج فارس
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 :