تحلیل شکست قاشقی با استفاده از روش شبکه عصبی و شبیه سازی مونت کارلو
Publish place: Third Iranian Open Mines Conference
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,107
This Paper With 9 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:
IOPMC03_012
تاریخ نمایه سازی: 28 شهریور 1394
Abstract:
بررسی پایداری شیروانی ها از اهمیت ویژه ای برخوردار بوده و اگر به درستی انجام نشود منجر به بروز خسارت های جبرانناپذیری خواهد شد. روش های معمول در زمینه تحلیل پایداری شیروانی ها، به دلیل محدودیت ها و فرضیات ساده کننده ایکه در ارتباط با شرایط خاک در نظر می گیرند، تقریب زیادی در نتایج به وجود می آورند. به منظور رفع این نقایص باید ازروش های نوین محاسباتی نظیر شبکه های عصبی، شبیه سازی و ... که توانایی بررسی همزمان متغیرهای موثر را دارنداستفاده کرد. در این تحقیق از دو روش شبکه های عصبی مصنوعی و روش شبیه سازی احتمالاتی مونت کارلو برای تعیینضریب اطمینان پایداری شیب شیروانی استفاده شده است. در روش شبکه عصبی با مقایسه و بررسی شبکه های مختلف،شبکه ای چهار لایه با دو لایه پنهان و ساختار 1-15-5-6 به عنوان شبکه بهینه تعیین شد. به منظور شبیه سازی احتمالاتی پایداری شیروانی نیز از نرم افزار Slide استفاده شد. جهت اعتبارسنجی مدل های ارائه شده، از داده های واقعی بیش از 100شیب خاکی استفاده شد. نتایج تحقیق نشان داد که استفاده از شبکه عصبی مصنوعی برای پیش بینی مقادیر ضریباطمینان و مشخصات قوس لغزش بحرانی در بررسی پایداری شیروانی ها کارآمد بوده و همچنین روش شبیه سازیاحتمالاتی در مقایسه با روش قطعی و شبکه عصبی توانایی بررسی اثر ریسک را در پایداری شیروانی دارد. با استفاده از اینروش احتمال ریزش برای مواردی با ضریب اطمینان کمتر از یک برابر 11 درصد محاسبه شد.
Keywords:
Authors
معین غلامی
دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه صنعتی همدان و کارشناس شرکت توسعه صنعتی و معدنی فولاد صبانور
حسام دهقانی
استادیار بخش مهندسی معدن، دانشگاه صنعتی همدان
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 :