دوره 11، شماره 4 - ( 1390 )                   جلد 11 شماره 4 صفحات 95-83 | برگشت به فهرست نسخه ها

XML English Abstract Print


Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:

Mahin Roosta R, Farrokh H. Prediction of stress- strain behavior in gravelly material based on Artificial Neural Networks. MCEJ 2011; 11 (4) :83-95
URL: http://mcej.modares.ac.ir/article-16-8168-fa.html
مهین روستا رضا، فرخ بروجردی حامد. پیش بینی رفتار تنش_کرنش مصالح شنی با استفاده از شبکه های عصبی مصنوعی. مهندسی عمران مدرس. 1390; 11 (4) :83-95

URL: http://mcej.modares.ac.ir/article-16-8168-fa.html


چکیده:   (6398 مشاهده)
در این پژوهش رفتار مکانیکی مصالح درشت دانه شنی با استفاده از شبکه عصبی چند لایه پرسپترون، که از پرکاربردترین شبکه های عصبی مصنوعی در مسائل ژئوتکنیکی است، شبیه سازی شده است. ابتدا اطلاعات دقیقی از آزمون های منابع مختلف در سراسر کشور تهیه و عوامل مؤثر بر مقاومت برشی خاک های درشت دانه بررسی شده است. پس از حذف اطلاعات نادرست، روند یادگیری، آزمایش و پیش بینی شبکه طی شده است. در آموزش شبکه از الگوریتم یادگیری پس انتشار خطا استفاده شده است . پارامترهای استفاده شده در آموزش شبکه شامل خصوصیات دانه بندی، چگالی خشک، چگالی نسبی، درصد سایش لس آنجلس، فشار همه جانبه، کرنش و تنش انحرافی است. برای تعیین چگونگی و مقدار تأثیر ورودی ها بر خروجی مدل، تحلیل حساسیت روی آن ها انجام شده و نتایج به دست آمده با قوانین مکانیک خاک مقایسه شده است. بررسی مدل گویای این واقعیت است که شبکه ارائه شده، توانایی لازم برای پیش بینی رفتار تنش_کرنش خاک های درشت دانه را دارد.
متن کامل [PDF 2194 kb]   (5205 دریافت)    

دریافت: 1390/10/11 | پذیرش: 1390/10/11 | انتشار: 1390/10/11

ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.