تعیین نمایه های DFP و DTP عمق یخبندان و عمق ذوب درآسیب شناسی روسازی های بااستفاده ازشبکه هوش مصنوعی ANN

تعیین عمق یخبندان و عمق ذوب یکی ازمهمترین فاکتورها درمحاسبات و طراحی سازه ای روسازی ها پی ها خطوط انتقال و تاسیسات زیربنایی محسوب و دراسیب شناسی روسازی ها و ساختارآنها نقش بنیادی را به عهده دارد هدف ازاین تحقیق کاربردی تعیین عمق یخبندان Depth Of Frost Penetration و عمق ذوب Depth Of Thaw Penetrationبوسیله شبکه عصبی مصنوعی ANN بامدلسازی ازمعادلات اصلاح شده برگرن the modified Berggren equation والدریچ Aldrichو تطابق با روشهای رایج محاسباتی کشورکانادا و براساس معیار FAA می باشد دراین تحقیق ازامارهای مربوط به پارامترهای کلیماتولوژی درج حرارت وزانه حداقل متوسط ماهانه سرعت باد روزهای یخبندان و بارشها و روزهای آفتابی 30ساله سازمان هواشناسی و امارکلیماتولوژی شهرهای کانادا و برخی ازشهرهای امریکا به صورت دیتابس Database و تعیین عمق یخبندان و عمق ذوب اقلیم های مختلف توسط معادلات حام جهت اموزش تست شبکه ارزیابی و سنجش کارایی رفع خطاهای شبکه و بررسی گراف ها و درنهایت استخراج ماتریس خروجی تعیین عمق یخبندان و عمق ذوب کلیه شهرهای کشورودیگر شهرهای خارجی کاناداوامریکا بامشخصات Samples=4542 ، MSE =2.1373e-5 ، R=9.99999e-1 است

تعیین نمایه های DFP و DTP عمق یخبندان و عمق ذوب درآسیب شناسی روسازی های بااستفاده ازشبکه هوش مصنوعی ANN Keywords:

آسیب شناسی , روسازی , شبکه عصب مصنوعی , عمق یخبندن , عمق ذوب