دوره 15، شماره 1 - ( 1394 )                   جلد 15 شماره 1 صفحات 165-155 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Prediction of collapse potential of soils using Artificial Neural Network. MCEJ 2015; 15 (1) :155-165
URL: http://mcej.modares.ac.ir/article-16-925-fa.html
شریفی جواد، خامه چیان ماشااله، غفوری محمد. پیش‌بینی پتانسیل رمبندگی خاک‌های رمبنده از طریق شبکه‌های عصبی مصنوعی. مهندسی عمران مدرس. 1394; 15 (1) :155-165

URL: http://mcej.modares.ac.ir/article-16-925-fa.html

پیش‌بینی پتانسیل رمبندگی خاک‌های رمبنده از طریق شبکه‌های عصبی مصنوعی
جواد شریفی*1، ماشااله خامه چیان2، محمد غفوری1
1- دانشگاه فردوسی مشهد
2- دانشگاه تربیت مدرس
چکیده:   (5229 مشاهده)
در این تحقیق به منظور بررسی قابلیت شبکه‌های عصبی مصنوعی در تعیین پتانسیل رمبندگی، نمونه‌های متعدد خاک رمبنده از یک منطقه (دشت زاهدان) گردآوری شده است. در آزمایشگاه آزمایش‌های معمول رمبندگی بر روی آنها انجام و تعداد 130 نمونه خاک رمبنده حاصل از اعماق و مکان‌های مختلف دشت در پایگاه داده‌ ثبت گردید. آزمایش رمبندگی انجام شده، تحکیم مضاعف بوده که برای بررسی بیشتر آزمایش‌های دانه‌بندی، وزن مخصوص، حدود اتربرگ و خواص مقاومتی نیز بر روی نمونه‌ها انجام گرفت. در مراحل بعد نتایج برای ورود به شبکه‌های عصبی مصنوعی آماده شده و مدل‌سازی انجام گردید. پس از مرحله آموزش شبکه و یادگیری، مدل‌های مختلف شبکه مورد سعی و خطا قرار گرفته و در ادامه مدل بهینه شبکه شامل شش ورودی و یک خروجی انتخاب شده است. با توجه به نتایج پیش‌بینی، مشخص شد که بین داده‌های تجربی و پیش‌بینی شده توسط شبکه‌ عصبی مصنوعی بیشتر از 95 درصد همبستگی مشاهده می‌شود.
واژه‌های کلیدی: خاک‌های رمبنده، پتانسیل رمبندگی، مدل سازی، شبکه‌های عصبی مصنوعی
متن کامل [PDF 464 kb]   (8106 دریافت)    
نوع مقاله: طرح پژوهشی | موضوع مقاله: خاک و پی
دریافت: 1391/10/11 | پذیرش: 1394/2/1 | انتشار: 1394/2/27
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.