تخمین دانسیته نسبی ماسه ها بااستفاده ازآزمایش کالیبراسیون نفوذمخروط وشبکه عصبی مصنوعی
Publish place: 8th National Congress On Civil Engineering
Publish Year: 1393
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 463
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_0888
تاریخ نمایه سازی: 5 مهر 1393
Abstract:
امروزه باتوجه به پیشرفتهای چشمگیردرتکنیکهای داده کاوی و همچنین وجود پایگاه داده های عظیم ومعتبرازآزمایشات برجانظیرcpt پیش بینی دقیق پارامترهای تاثیرگذارخاک ها ازنتایج چنین آزمایشاتی یکی ازمباحث مورد علاقه درمهندسی ژئوتکنیک است دراین تحقیق با استفاده ازنتایج کالیبراسیون نفوذمخروط که دردانشگاهها و موسسات معتبر انجام شد هاند وهمچنین سیستمی متشکل ازانواع شبکه های عصبی مصنوعی پارامتر دانسیته نسبی درماسه با دقت مناسبی پیش بینی شده است سیستم پیشنهادی بااستفاده ازشبکه های عصبی قادر خواهد بود که تنها براساس پارامترهای قابل اندازه گیری و دردسترس تخمین مناسبی ازپارامترمزبور را ارایه دهد دراین روش ازشبکه عصبی خودسازمانده SOM برای خوشه بندی مناسب داده ها و ازشبکه عصبی چندلایه با الگوریتم پس انتشارBP برای مدل نهایی استفاده میگردد جزئیات ایجادوبه کارگیری چنین سیستمی درمقاله شرح داده شده و همچنین درپایان نتایج بدست آمده ازاین سیستم بانتایج سایرمحققین مقایسه گردیده است
Keywords:
دانسیته نسبی ماسه هاDR , شبکه عصبی خودسازمانده SOM , شبکه عصبی چندلایه پس انتشارBP
Authors
نوید بشارت
کارشناس ارشدژئوتکنیک دانشگاه صنعتی شریف
حامد نوش کیا
کارشناس ارشدژئوتکنیک دانشگاه صنعتی شریف
محمدمهدی احمدی
دانشیاردانشکده مهندسی عمران دانشگاه صنعتی شریف
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 :