بررسی روش های هوش مصنوعی در پیش بینی پایداری شیروانی ها

Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 725

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:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

SMFE02_371

تاریخ نمایه سازی: 27 بهمن 1394

Abstract:

از جمله مسائل پیچیده در مهندسی ژئوتکنیک می توان به تحلیل پایداری شیروانی ها اشاره نمود و علت پیچیدگی آن را می توان نامعین بودنپارامتر هایی دانست که پایداری شیب را تحت تاثیر قرار می دهند. از میان روش های مختلفی که تا کنون به منظور تحلیل پایداری شیروانی ارائهشده است روش های مرسوم تخمین فاکتور ضریب اطمینان از جایگاه ویژه ای نزد مهندسین ژئوتکنیک برخوردار است. این روش ها، تحلیلپایداری یک شیروانی را با محاسبه ضریب ایمنی توصیف مینمایند. ازآنجایکه این روش ها روابط فیزیکی بین پارامترهای تاثیرگزار بر مسئله رادر نظر می گیرند، براورد دقیقی از پایداری شیب را ارائه نمی دهند. در نظر گرفتن درجات نامعینی پارامترهای تاثیرگذار از مزایای عمده روش هایهوش مصنوعی بشمار می آید. استفاده از این روش ها به دلیل در نظر گرفتن درجات نامعینی برای پارامترهای نامعین تخمین دقیقتری را برای مسئلهدر پی خواهند داشت. چراکه مدلسازی به روش هوش مصنوعی رابطه ای بین یک تعداد داده از مجموعه پارامترهای ورودی و خروجی های متناظررا در نظر می گیرد. هدف از این پژوهش، مطالعه و بررسی نقاط ضعف و قوت روشهای مرسوم تخمین پایداری شیروانی و معرفی روش هایهوش مصنوعی به منظور تخمین و پیش بینی دقیق تر فاکتور ضریب اطمینان و آنالیز پایداری شیروانی می باشد.

Authors

خدیجه شیرزاد

دانشجوی کارشناسی ارشد،دانشگاه آزاد اسلامی،بابل،ایران

مرتضی بابازاده

گروه کامپیوتر،واحد بابل،دانشگاه آزاد اسلامی بابل، ایران

بابک وفائی

کارشناسی ارشد، ژئوتکنیک، دانشگاه تفرش

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 :
  • طاحونی ش.اصول مهندسی ژئو تکنیک.جلد اول مکانیک خاک.انتشارات مهر آیین.1385 ...
  • Griffiths DV, Fentongordon A. probabilIstic methods in geotechnical engineering. international ...
  • Elshorbagy, A., Corzo, G., Srinivasulu, S., Solomatine, D.P., 2212. Experimental ...
  • Coggan, J.S, Stead, D. &Eyre J.M (1991). Evaluation of techniques ...
  • Gardner, M.W., Dorling, S.R., 1991 . Artificial neural networks)the multilayer ...
  • Zurada, J.M., 1992. Introduction o Artificial Neural Systems. West Publishing ...
  • Sarat Kumar D, Rajani Kanta B. Classification of slopes and ...
  • M.Dorigo, Optimization, Learming and Natural Algorithms, Ph.D. Thesis, Dip. Elettronica ...
  • Kahatadeniya K, Nanakorn P, Neaupane k. Determination of the critical ...
  • Suykens, J.A.K.; J. Vandewalle. 1999. Least Squares Support Vector Machine ...
  • Valyon, J.; G. Horvath. 2225. A robust LS-SVM regression. World ...
  • Samui P, Kothari D. Utilization of a least square support ...
  • Cramer, N.L, 1915. A representation for the adaptive generation of ...
  • Koza, J.R., 1992. Genetic Programming: on the Programming of Computers ...
  • J. Holland, Adaptation in Natural and Artificial Systems, TheUniversity of ...
  • Goldberg, D.E., 1919. Genetic Algorithms in Search Optimization and Machine ...
  • M anouchehrian A, Gholamnejad J, Sharifzadeh M. Development Of a ...
  • نمایش کامل مراجع