دوره 24، شماره 4 - ( 1403 )                   جلد 24 شماره 4 صفحات 81-69 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Hashemi Salanghouch S, Fakhimi A A. Prediction of soil friction angle using a deep learning model: A case study of Firuzkuh sand. MCEJ 2024; 24 (4) :69-81
URL: http://mcej.modares.ac.ir/article-16-72688-fa.html
هاشمی سالانقوچ سینا، فخیمی احمدعلی. پیش‌بینی زاویه اصطکاک خاک با استفاده از مدل یادگیری عمیق: مطالعه موردی ماسه فیروزکوه. مهندسی عمران مدرس. 1403; 24 (4) :69-81

URL: http://mcej.modares.ac.ir/article-16-72688-fa.html

پیش‌بینی زاویه اصطکاک خاک با استفاده از مدل یادگیری عمیق: مطالعه موردی ماسه فیروزکوه
سینا هاشمی سالانقوچ1 ، احمدعلی فخیمی* 2
1- دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران و محیط‌ زیست، دانشگاه تربیت مدرس، تهران، ایران.
2- استاد، دانشکده مهندسی عمران و محیط‌ زیست، دانشگاه تربیت مدرس، تهران، ایران. ، A.fakhimi@modares.ac.ir
چکیده:   (400 مشاهده)
زاویه اصطکاک خاک یکی از پارامترهای اساسی در مهندسی ژئوتکنیک است و به‌طور مستقیم بر پایداری سازه‌هایی مانند دیوار‌های حائل، شیب‌ها و پی‌ها تأثیر می‌گذارد. در این پژوهش یک شبکه عصبی پیچشی (Convolutional neural network)، با استفاده از پارامتر‌های ورودی عکس و جرم مخصوص خشک، برای پیش‌بینی زاویه اصطکاک اوج ماسه فیروزکوه، توسعه داده شد. برای این منظور، ابتدا 10 نمونه از ماسه فیروزکوه با دانه‌بندی‌های متفاوتِ 1S تا 10S تهیه و برای هر دانه‌بندی نیز سه جرم مخصوص خشک متفاوت در نظر گرفته شد. سپس زاویه اصطکاک اوج متناظر با 30 جرم مخصوص خشک برای 10 دانه‌بندی 1S تا 10S با استفاده از آزمایش برش مستقیم تعیین شد. برای آموزش و آزمون شبکه از هر نمونه 50 عکس گرفته شد. با توجه به اینکه در فرآیند آموزش شبکه، برای هر نمونه سه جرم مخصوص خشک متفاوت در نظر گرفته‌ شد، در مجموع 1500 عکس برای بانک اطلاعاتی شبکه تهیه گردید. از این تعداد، 1125 عکس برای آموزش و 375 عکس برای آزمون شبکه استفاده شد. نتیجه آزمون شبکه عصبی پیچشی این پژوهش نشان داد که این شبکه می‌تواند با استفاده از عکس و جرم مخصوص خشک خاک به‌عنوان پارامترهای ورودی، زاویه اصطکاک اوج ماسه فیروزکوه را، با خطای نسبی نرمال‌شده 3/0 درصد، پیش‌بینی کند.
واژه‌های کلیدی: یادگیری عمیق، زاویه اصطکاک خاک، ماسه فیروزکوه، شبکه عصبی پیچشی، پردازش تصویر دیجیتال
     
نوع مقاله: پژوهشی اصیل (کامل) | موضوع مقاله: ژئوتکنیک
دریافت: 1402/9/9 | پذیرش: 1402/12/9 | انتشار: 1403/7/10
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
ارسال پیام به نویسنده مسئول

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