پیش بینی ضریب نفوذ پذیری خاکهای رسی قابل استفاده در هسته سدهای خاکی با استفاده ازشبکه های عصبی مصنوعی
Publish Year: 1389
Type: Conference paper
Language: Persian
View: 1,339
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICGESM04_298
Index date: 8 June 2010
پیش بینی ضریب نفوذ پذیری خاکهای رسی قابل استفاده در هسته سدهای خاکی با استفاده ازشبکه های عصبی مصنوعی abstract
در این مقاله شبکه عصبی مصنوعی Feedforward سه لایه با الگوریتم آموزش Backpropagation برای پیش بینی ضریب نفوذپذیری خاکهای رسی قابل استفاده در هسته سدهای خاکی استفاده شده است.در این مدل ده پارامتر درصد شن، درصد ماسه، درصد ریزدانه، دامنه خمیری، حد روانی، درصد رطوبت بهینه، وزن مخصوص خشک ماکزیمم، رطوبت طبیعی ووزن مخصوص خشک به عنوان ورودی و ضریب نفوذپذیری به عنوان خروجی در نظر گرفته شده است. به عنوان بانک اطلاعاتی مدل از آزمایشهای نفوذپذیری منابع قرضه ریزدانه نه سد خاکی با هسته رسی که در فاز ساخت یا فاز مطالعات می باشند، استفاده شده است. در ادامه اثر نرونهای میانی بر رفتار شبکه به کار رفته بررسی شده وبا توجه به شاخص های خطا، مدل مناسب انتخاب شده است.در نهایت با استفاده از این مدل علاوه بر پیش بینی ضریب نفوذ پذیری، اهمیت نسبی پارامترهای شبکه نیز مورد مطالعه قرار گرفته است. پس از این که اهمیت نسبی پارامترهای مختلف مشخص شد با استفاده از از داد ههای آزمایشی بر روی دو پارامتری که بیشترین اهمیت و تاثیر را بر روی نفوذپذیری داشتند مطالعه پارامتریک (آنالیز حساسیت) انجام شده است
پیش بینی ضریب نفوذ پذیری خاکهای رسی قابل استفاده در هسته سدهای خاکی با استفاده ازشبکه های عصبی مصنوعی Keywords:
پیش بینی ضریب نفوذ پذیری خاکهای رسی قابل استفاده در هسته سدهای خاکی با استفاده ازشبکه های عصبی مصنوعی authors
محسن ایران منش
کارشناس ارشد خاک و پی دانشگاه فردوسی
محمدرضا کاخی
دانشیار دانشگاه فردوسی مشهد-دانشکده مهندسی-گروه عمران
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 :