پیش بینی ظرفیت باربری جانبی شمعها در خاکهای رسی با استفاده از ماشین بردار پشتیبان
Publish place: Journal of Civil and Environmental Engineering, University of Tabriz، Vol: 47، Issue: 87
Publish Year: 1396
نوع سند: مقاله ژورنالی
زبان: Persian
View: 316
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CEEJ-47-87_001
تاریخ نمایه سازی: 19 آبان 1397
Abstract:
پیش بینی ظرفیت باربری شمعهای تحت بار جانبی یکی از مسایل اساسی در مهندسی ژیوتکنیک است و تاکنون روشهای متفاوتی برای ارزیابی آن ارایه شده است. ماشین بردار پشتیبان (SVM) یک روش نسبتا0 جدید هوش مصنوعی است که در بسیاری از مسایل ژیوتکنیکی به طور موفقیت آمیزی مورد استفاده قرار گرفته است. این مقاله کاربرد مدل SVM برای پیش بینی ظرفیت باربری جانبی شمعها در خاکهای رسی را شرح میدهد. از نتایج مدلهای کوچک مقیاس آزمایشگاهی شمع های صلب در خاکهای رسی با پارامترهای ورودی قطر شمع (D)، طول مدفون شمع (L)، خروج از مرکز بار (e) و مقاومت برشی زهکشی نشده خاک (Su) برای توسعه و ارزیابی مدل استفاده شده است. ظرفیت باربری جانبی پیش بینی شده توسط مدل پیشنهادی با نتایج حاصل از مدل شبکه عصبی مصنوعی (ANN) و همچنین روشهای تحلیلی Broms و Hansen مقایسه شده است. نتایج نشان از کارایی بهتر مدل SVM نسبت به روشهای مذکور دارد. این مطالعه نشان میدهد که روش SVM یک ابزار جایگزین برای مهندسین ژیوتکنیک به منظور پیشبینی ظرفیت باربری جانبی شمع ها ارایه میدهد.
Keywords:
Authors
علیرضا اردکانی
استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره)
وحیدرضا کوهستانی
دانش آموخته کارشناسی مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه بین المللی امام خمینی (ره)