تعیین ظرفیت باربری پی نواری واقع بر ماسه مسلح شده با استفاده از الگوریتم ماشین بردار پشتیبان SVM با استفاده از کرنل های خطی و چند جمله ای

Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 511

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

IDCONF02_031

تاریخ نمایه سازی: 19 خرداد 1396

Abstract:

پیش بینی ظرفیت باربری پی های واقع برخاک ماسه ای مسلح شده یکی از مسایل اساسی درمهندسی ژیوتکنیک می باشد و تاکنون روشهای متفاوتی برای ارزیابی آن ارایه شدها ست این مساله زمانی که پی واقع برخاک چندلایه باشد به مساله پیچیده تری تبدیل میشود که دراغلب موارد ازمیانگین گیری وزنی برای تعیین ظرفیت باربری پی استفاده میگردد به علت صرف وقت و هزینه زیاددرروشهای ازمایشگاهی به نظر می رسد که تقاضای مدلهای عددی برای پیش بینی ظرفیت باربری توسعه یافته است و کارایی روشهای ماشین بردارپشتیبان درارزیابی پدیده های ژیوتکنیکی درپژوهشهای گوناگونی ذکر شدها ست دراین مقاله ازالگوریتم هوش مصنوعی SVM بهره گرفته شدها ست علاوه براین ازکرنلهای خطی و چندجمله ای برای پیشبینی مقادیر ظرفیت باربری استفاده شدها ست به منظور بوجود اوردن مدل و تصدیق اجرای الگوریتم حدود 80درصد ازداده ها بصورت تصادفی به عنوان داده های آموزشی و بقیه به عنوان داده های آزمایش به الگوریتم داده شد نتایج بدست آمده نشان داد که روش SVM توانایی پیشگویی بالایی برای این مطالعه دارد علاوه براین ضریب همبستگی r2 بادقتی به ترتیب برابر با 0.9696 و 0.9841بااستفاده ازکرنلهای خطی و چندجمله ای تعیین گردیده است

Authors

علی حیدری پناه

مرکز تحقیقات راه ، مسکن و شهر سازی بخش رو سازی تهران . ایران

بهناز جهانی

دانشجوی کارشناسی ارشد مهندسی ژیوتکنیک دانشگاه تحصیلات تکمیلی کرمان

فضل الله سلطانی

استادیار دانشگاه تحصیلات تکمیلی کرمان

امین باقیزاده

دانشیار دانشگاه تحصیلات تکمیلی کرمان

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 :
  • C.R. Patra J.N. (2005)Mandal and B.M. Das Ultimate bearing capacity ...
  • C. C. Huang, and F. Y. Menq (1997) DEEP -FOOTING ...
  • E. C. SHIN, B. M. DAS, E. S. LEE and ...
  • P. K. Kolay, S. Kumar, and D. Tiwari(2013) Improvement of ...
  • V. ROSTAMI and M. GHAZAVI(20 15) ANALY TICAL SOOLUTION FOR ...
  • Bearing capacity of circular foundations reinforced with geogrid sheets Manash ...
  • Hongbo Zhao, Zenghu Huang, and Zhengsheng Zou (2014) Simulating the ...
  • .Pijush Samui and T. G. Sitharam(2008) OCR Prediction Using Support ...
  • CPT-Based Liquefaction Assessment by Using Support Vector Machine. 2012 9. ...
  • Pijush Samui 2008 Support vector machine applied to settlement of ...
  • Vapmik, V. (1995). The nature of statistical learning. New York: ...
  • Kezhen, Y., Honghui, Y., Huarong, L., & Likui, H. (2011). ...
  • (A. Kumar .M. L. Ohri .R. K. Bansal 2006Bearing capacity ...
  • نمایش کامل مراجع