Publisher of Iranian Journals and Conference Proceedings

Please waite ..
CIVILICAWe Respect the Science
Publisher of Iranian Journals and Conference Proceedings
عنوان
Paper

Prediction of ultimate bearing capacity of shallow foundation on granular soils using Imperialist Competitive Algorithm based ANN

تعداد صفحات: 11 | تعداد نمایش خلاصه: 70 | نظرات: 0
سال انتشار: 1398
کد COI Paper: JR_SSI-4-1_002
زبان Paper: Englishglish
(فایل این Paper در 11 صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این Paper

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این Paper را خریداری نمایید.

با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک Paper) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید.در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.

لطفا قبل از اقدام به خرید اینترنتی این Paper، ابتدا تعداد صفحات Paper را در بالای این صفحه کنترل نمایید.

برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل Paper

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 11 صفحه است در اختیار داشته باشید.

قیمت این مقاله : 3,000 تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان Paper Prediction of ultimate bearing capacity of shallow foundation on granular soils using Imperialist Competitive Algorithm based ANN

Reza Dinarvand - Master of Civil Engineering, Imam Khomeini International University, Iran
Mahdi Sadeghian - Master of Civil Engineering, Imam Khomeini International University, Iran
Reza Einolvand - Associate Degree of Civil Engineering, Islamic Azad University of Dezful, Iran

چکیده Paper:

The prediction of the ultimate bearing capacity of shallow foundation is one of the basic issues in geotechnical engineering. So far, several methods have been used to estimate the ultimate bearing capacity of shallow foundation, including the artificial intelligence methods. In recent years, optimization algorithms have been used to minimize neural network errors, such as Colony algorithm, Genetic algorithm, Imperialist competitive algorithm. In this research, artificial neural networks based on imperialist competitive algorithm (ICA) were used and their results were compared with other methods. The results of laboratory shallow foundation test on granular soils with parameters containing length, buried depth, L/B ratio, density and internal friction angle of soil were used for training and testing of the model. The results showed that ICA-based artificial neural networks predict the final bearing capacity of the shallow foundations with a correlation coefficient of 0.9908 for training data and 0.9882 for testing data. Also, the results of the model showed the superiority of ICA-based artificial neural networks compared to back-propagation neural networks and methods of Meyerhof, Vesic and Hansen methods

کلیدواژه ها:

Bearing capacity,Shallow foundation,Granular soil,Artificial neural network,Imperialist competition algorithm,

کد Paper/لینک ثابت به این Paper

برای لینک دهی به این Paper می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت Paper در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/995311/

کد COI Paper: JR_SSI-4-1_002

نحوه استناد به Paper:

در صورتی که می خواهید در اثر پژوهشی خود به این Paper ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
undefined, undefined و undefined, undefined و undefined, undefined,1398,Prediction of ultimate bearing capacity of shallow foundation on granular soils using Imperialist Competitive Algorithm based ANN,,,,,https://civilica.com/doc/995311

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این Paper اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1398, Dinarvand, Reza؛ Mahdi Sadeghian و Reza Einolvand)
برای بار دوم به بعد: (1398, Dinarvand؛ Sadeghian و Einolvand)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

Research Info Management

Certificate | Report Paper

Export Citation info of this Paper to research management softwares

علم سنجی و رتبه بندی Paper

مشخصات مرکز تولید کننده این Paper به صورت زیر است:
نوع مرکز: state university
تعداد مقالات: 5,090
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

New RelatedPapers

Share this paper

WHAT IS COI?

COI is a national code dedicated to all Iranian Conference and Journal Papers. the COI of each paper can be verified online.

Support