[صفحه اصلی ]   [Archive] [ English ]  
:: صفحه اصلي درباره نشريه آخرين شماره تمام شماره‌ها جستجو ثبت نام ارسال مقاله تماس با ما ::
:: جلد 4، شماره 2 - ( پاییز و زمستان 1389 ) ::
جلد 4 شماره 2 صفحات 1010-987 برگشت به فهرست نسخه ها
پیش بینی درصد تراکم خاک‌های ریزدانه در ساختمان سد مخزنی سرابی با استفاده از شبکۀ عصبی مصنوعی
چکیده:   (4400 مشاهده)
تحلیل تراکم حاصل شده از عملیات تراکم در خاک‌های ریزدانه در تحلیل برگشتی اهمیت به‌سزایی دارد. روش متداول در محاسبۀ درصد تراکم خاک؛ شیوه‌های معمول مانند روش مخروط ماسه، روش بالون لاستیکی و روش چگالی‌سنج هسته‌ای است. که به‌عنوان روشی مناسب جای‌گزین، شبکۀ عصبی آموزش دیده شده بر مبنای الگوهای تحلیل شده است. با روش‌های مذکور محاسبۀ تراکم، علاوه بر این که به دقت مورد نیاز در روش‌های مرسوم می‌رسد، سادگی و سهولت استفاده از آن از سایر روش‌ها بیش‌تر بوده و سرعت محاسبۀ آن نیز بیش‌تر است. در این تحقیق مدلی مبتنی بر شبکۀ عصبی چندلایه پرسپترون برای پیش‌بینی رفتار تراکمی خاک‌های ریزدانه در سد مخزنی سرابی در حین اجرا، و متراکم کردن لایه‌های خاک ارائه شد. متغیرهای ورودی شامل4 پارامتر ژئوتکنیکی رطوبت بهینه، درصد عبوری از الک200، حد روانی و حد خمیری و 4 پارامتر اجرایی تعداد دفعات عبور غلتک، ضخامت لایه، رطوبت خاک در محل و دانسیتۀ حاصل شده در محل، در نظر گرفته شد. ایـن مدل که مبتنی بر شبـکۀ عصبی چنـد لایه با روی‌کرد پس‌انتشار خطا ارائه شده، قادر است بدون داشتن حداکثر دانسیتۀ آزمایشگاه که از ملزومات حتمی محاسبۀ درصد تراکم در حالت معمولی است؛ با استفاده از دیگر پارامترهای ژئوتکنیکی و اجرایی (8 مورد اشاره شده) درصد تراکم و بالطبع حداکثر وزن مخصوص آزمایشگاه را با تقریب نزدیک به 100 درصد محاسبه کند.
واژه‌های کلیدی: درصد تراکم خاک، شبکۀ عصبی، پارامتر ژئوتکنیکی، پارامتر اجرایی، حداکثر وزن مخصوص آزمایشگاه
متن کامل [PDF 1587 kb]   (2279 دریافت)    
نوع مطالعه: علمی پژوهشی |
پذیرش: 1395/7/14 | انتشار: 1395/7/14
ارسال نظر درباره این مقاله
نام کاربری یا پست الکترونیک شما:

CAPTCHA


XML   English Abstract   Print


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

Prediction of Compaction Efforts of Fine-Grained Soils of Sarabi Dam Using Atrificial Neural Networks. Journal of Engineering Geology. 2011; 4 (2) :987-1010
URL: http://jeg.khu.ac.ir/article-1-352-fa.html

پیش بینی درصد تراکم خاک‌های ریزدانه در ساختمان سد مخزنی سرابی با استفاده از شبکۀ عصبی مصنوعی. نشریه زمین شناسی مهندسی. 1389; 4 (2) :1010-987

URL: http://jeg.khu.ac.ir/article-1-352-fa.html



بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.
جلد 4، شماره 2 - ( پاییز و زمستان 1389 ) برگشت به فهرست نسخه ها
نشریه زمین شناسی مهندسی Journal of Engineering Geology
Persian site map - English site map - Created in 0.06 seconds with 29 queries by YEKTAWEB 4419