جلد 8، شماره 2 - ( 6-1393 )                   جلد 8 شماره 2 صفحات 2096-2071 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
AghaeeAraee A. Assessment Behaviors of Gravelly Materials in Undrained Monotonic Loading using Artificial Neural Networks. Journal of Engineering Geology 2014; 8 (2) :2071-2096
URL: http://jeg.khu.ac.ir/article-1-1618-fa.html
آقایی آرایی عطا. بررسی رفتار مصالح شن‌دار در بارگذاری زهکشی نشده مونوتونیک با استفاده از شبکه‌های عصبی مصنوعی. نشریه زمین شناسی مهندسی. 1393; 8 (2) :2071-2096

URL: http://jeg.khu.ac.ir/article-1-1618-fa.html

بررسی رفتار مصالح شن‌دار در بارگذاری زهکشی نشده مونوتونیک با استفاده از شبکه‌های عصبی مصنوعی
عطا آقایی آرایی
مرکز تحقیقات راه، مسکن و شهرسازی ، aghaeiaraei@bhrc.ac.ir
چکیده:   (5914 مشاهده)
این مقاله امکان توسعه و بکارگیری شبکه‌های عصبی مصنوعی در مدل‌سازی نتایج آزمایش‌های مونوتونیک سه‌محوری قطر بزرگ روی انواع مصالح سنگریزه‌ای تیزگوشه، گردگوشه و مصالح شنی با درصدهای مختلف ریزدانه بهکار رفته در بدنه سدهای مهم کشور را ارائه می‌دهد. در ابتدا قابلیت شبکه‌های عصبی مصنوعی(ANNs) در مدل‌سازی منحنی های رفتاری تنش تفاضلی- اضافه فشار آب حفره‌ای - کرنش محوری بررسی شده است که دلالت بر قابلیت نسبتاً مناسب مدل در شبیه‌سازی رفتار مصالح شن‌دار دارد. بانک اطلاعات بکار رفته در شبکه، شامل 52 گزینه مختلف آزمایش سه محوری کرنش-کنترل تحت شرایط زهکشی نشده است. برای مسئله مورد نظر، یک برنامه شبکه‌های عصبی مصنوعی پیشخوراند سه لایه پرسپترون (MLP) در محیط MATLAB7 نوشته شد و شبکه بهینه (تعداد لایه‌های مخفی، تابع تبدیل و نوع آموزش شبکه) به طریق سعی و خطا، و با توجه به شاخص‌های خطا و تطابق با داده‌های آزمایشگاهی انتخاب شد. پارامترهای ورودی شبکه شامل تنش محدود‌کننده، دانسیته و درصد رطوبت بهینه، توزیع اندازه دانه‌ها و نرخ ایجاد کرنش می‌باشد. نتایج نشان می‌دهد که ANNs قابلیت بسیار مناسبی در تخمین منحنی‌های رفتاری یاد‌شده در کلیه موارد بررسی شده دارد. در ادامه قابلیت شبکه‌های عصبی مصنوعی(ANNs) در بدست آوردن حداکثر زاویه اصطکاک داخلی و نتاطی از منحنی‌های رفتاری شامل تنش های تفاضلی حداکثر و پسماند و اضافه فشارهای آب حفره ای در کرنش‌های نظیر بررسی شد. ضمناً از قابلیت تعمیم شبکه عصبی مصنوعی برای بررسی موارد آزمایش نشده مثل اثر تغییرات دانسیته و درصد کوچک‌تر از mm 2/0 هم بهره گرفته‌شد.
واژه‌های کلیدی: واژه‌ها مصالح سنگریزه‌ای، مونوتونیک، تحکیم‌یافته زهکشی‌نشده، سه‌محوری، ANN
متن کامل [PDF 760 kb]   (1556 دریافت)    
نوع مطالعه: مطالعه موردی | موضوع مقاله: زمین شناسی مهندسی
پذیرش: 1395/7/14 | انتشار: 1395/7/14
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.

کلیه حقوق این وب سایت متعلق به نشریه زمین شناسی مهندسی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Engineering Geology

Designed & Developed by : Yektaweb