استفاده از شبکه هاي عصبی مصنوعی در تخمین ظرفیت باربري شالوده هاي سطحی واقع بر بسترهاي چند لایه

خلاصه
تخمین ظرفیت باربري شالوده هاي سطحی، موضوع بسیاري از تحقیقات در حوزه مکانیک خاك و پی بوده است. روش هاي متعددي به منظور دستیابی به این هدفتوسط برخی محققین برجسته پیشنهاد شده که اغلب بر روي بسترهاي همگن و یا دو لایه بوده است. متداو لترین روش در تخمین ظرفیت باربري شالود ههاي واقع بربسترهاي چندلایه، روش هاي عددي المان محدود و تفاضل محدود است. در این میان، تکنیک شبکه هاي عصبی مصنوعی نیز که در آن از بانک داده هاي حاصل ازمدلسازي هاي فیزیکی و عددي استفاده شده باشد، می تواند جهت دستیابی به این هدف مورد استفاده قرار گیرد. در این مقاله، مدلی بر پایه شبکه هاي عصبی مصنوعیپرسپترون چند لایه و بر حسب پارامترهاي چسبندگی و زاویه اصطکاك داخلی خاك و نیز شرایط هندسی مسئله شامل ضخامت لای ههاي خاك و عرض شالوده ارائهشده است که قادر است ظرفیت باربري شالوده هاي واقع بر روي بسترهاي لایه اي را تخمین بزند. نتایج ظرفیت باربري حاصل از شبکه عصبی و روش رگرسیون چندمتغیره نشانگر عملکرد مناسب آنها در تخمین ظرفیت باربري شالوده هاي سطحی بر روي بسترهاي چند لایه است که می تواند منجر به ارائه روابطی کاربردي جهت تخمین ظرفیت باربري شالوده هاي سطحی شود.

کلمات کلیدي:

بسترهاي چند لایه . ظرفیت باربري . شبکه عصبی

دومین کنفرانس ملی مکانیک خاک و مهندسی پی  (1394)

برای دانلود به ادامه مطلب بروید

تعیین مقاومت فشاری خاک - سیمان و رزین با استفاده از شبکه عصبی مصنوعی

کلمات کلیدی :

خاک - سیمان . اکریلیک رزین . مقاومت فشاری . شبکه عصبی

پنجمین کنگره ملی مهندسی عمران (1389)

برآورد نشست تحکیمی خاکهای رسی با استفاده از شبکه های عصبی مصنوعی

کلمات کلیدی :

نشست تحکیمی . شاخص تراکم . شبکه عصبی

پنجمین کنگره ملی مهندسی عمران (1389)

ریزمقیاس نمایی زمانی بارش روزانه با استفاده از روش قطعات

خلاصه
در علم هیدرولوژی برای بسیاری از مقاصد شبیه سازی و مطالعاتی نیاز به استفاده از اطلاعات بارش در مقیاس های زمانی کمتر از روزانه است. دراین مقالهروش قطعات ) Method of Fragments ) با اصلاحاتی به منظور تبدیل اطلاعات روزانه به اطلاعات 5 دقیقه ای به کار گرفته شده است.ابتدا، یک شبکه عصبی GRNN ، با ورودی های هواشناسی مانند، دما، فشار، رطوبت، شرایط بارش روز قبل و بارش روزانه برای شبیه سازی برخیویژگی های بارش روز مدنظر شامل حداکثر بارش 5 دقیقه ای، حداکثر بارش 1 ساعته و درصد بازه خشک از روز توسعه داده می شود. سپس بااستفاده از خروجی های شبکه عصبی برای هر روز)خروجی های معرف بارش های ریزمقیاس(، مشابه ترین روز تاریخی که مقادیر بارش هایریزمقیاس آن موجود است، انتخاب می شود تا براساس روش قطعات، بارش های ریزمقیاس برای آن روز محاسبه شود. روش پیشنهادی در مطالعهموردی، ایستگاه کلک چال در شهر تهران مورد آزمون قرار می گیرد. نتایج تحقیق در ماه های 3 و 4 میلادی نشان دهنده بهبود درصد خطای میانهحداکثر بارش های سالانه در بازه های زمانی مختلف نسبت به نتایج MOF متداول است و در ماه های 5 تا 11 میلادی نیز درصد خطای آماره ها در بازه های زمان طولانی تر بهبود یافته است.

کلمات کلیدي:

روش قطعات . بارش روزانه . شبکه عصبی . ریزمقیا س سازي زمانی

دهمین کنگره ملی مهندسی عمران (1396)

بررسی خواص مکانیکی بتن با درجه حرارت بالا و توسعه یک مدل شبکه عصبی برای تخمین خواص مکانیکی بتن

خلاصه
خواص مکانیکی بتن مثل مقاومت فشاری، مقاومت کششی، مدول الاستیسیته و نسبت پواسون، متأثر از طرح اختلاط بتن است. اجزای تشکیل دهندهبتن مانند سیمان، آب، سنگدانه و افزودنی ها است که میزان آنها در طرح اختلاط بر خواص مکانیکی نامبرده تاثیر می گذارد. اثر دما، به عنوان یکعامل مهم بر عملکرد مکانیکی بتن، به طور گسترده در طول چند سال گذشته مورد مطالعه قرار گرفته است. در دماهای بالا، ساختار فیزیکی و ترکیبشیمیایی بتن به شدت تغییر می یابد و به تبع آن خواص مکانیکی بتن هم تغییر می کنند. درجه حرارت بالای بتن در سازه های خاص مانند برجهایخنک کننده نیروگاههای حرارتی، سازههای مربوط به نیروگاه های هسته ای و رآکتور های آن و همچنین حوادث آتش سوزی می تواند به ضعیفشدن خواص مکانیکی بتن مانند کاهش مقاومت، کاهش سختی، افزایش ترک سطحی، پوستهپوسته شدن پوشش محافظ، لایه برداری سطحی و غیرهمنجر شود. در این مطالعه از یک مدل شبکه عصبی پرسپترون 3 لایه برای تخمین مقاومت فشاری بتن تحت اثر دماهای مختلف توسعه داده می شود.در مدل شبکه عصبی از 10 پارامتر ورودی شامل اجزای مختلف طرح اختلاط بتن، دمای بتن و نوع نمونه بتنی استفاده می شود. نتایج نشان می دهد مدل شبکه عصبی توانایی خوبی در تخمین مقاومت فشاری در دماهای مختلف دارد.

کلمات کلیدی:

خواص مکانیکی بتن . دمای بالا . شبکه عصبی . مقاومت فشاری . پیش بینی

دهمین کنگره ملی مهندسی عمران (1396)

بکارگیری روش های آماری و هوشمند در تحلیل عملکرد پمپ های ضربه قوچی

خلاصه
از اوايل قرن نوزدهم، مهاجرت از روستاها به شهرها به عنوان يك پديده اجتماعي مهم در سطح دنیا شناخته شده است. از يك سو عدد ادامیآ کافي جهت کشاورزی و دامپروری به عنوان يك عامل دافعه در روستاها و از سوی ديگر عوامل جاذبه در شهرها در يك اراباط متقابل با همديگر، افکر روستائیان را به مهاجرت به سمت شهرها پرورش مي دهد. عد اوجیه اقتصادی اجرای پروژه های اامیآ در مناطق روستايي کم جمعیت و صعب العبور، موجبات اخلیه سريع مناطق روستايي را فراهم ورده است. بهره گیری از انرژی اجديد پذير ضربه قوچ مي اواند بعنوان يك راه کدار عملي، مورد نیاز مناطق روستايي را بدون نیاز به هزينه های هنگفت انتقال اامیآ نمايد. در ايآ احقیق علاوه بر معرفي چگونگي بکدارگیری انرژی ضربه قوچ در سیستم های انتقال ، با استفاده از نالیز ابعادی و رگرسیون غیرخطي معادلات حاکم بر فضای احقیق بمنظور طراحدي پمد های ضربه قوچي ارائه گرديد. احلیل نتايج ماری نشان مي دهد که معادلات پیشنهادی در مقايسه با مشاهدات زمايشگاهي، جهت اخمیآ پدارامتر  دارای Q Qc 9، و بدرای پدارام تر بددون بعدد / 0 و ضريب زاويده خدب بدرازش شدده 9961 / دارای ضريب همبستگي 96 qh Qc H بدون بعد مي باشند. در مرحله بعد جهدت اددقیق نتدايج از مددل شدبکه عصدبي اسدتفاده / 0 و ضريب زاويه خب برازش شده 6609 / ضريب همبستگي  777را در مقايسه بدا مشداهدات زمايشدگاهي، بده ارایدب بدا Q Qc و qh Qc H گرديد. معماری ادويآ شده جهت ايآ مدل، پارامترهای بدون بعد 9و / 0 پیش بیني مي کند وايآ درحالي است که معادلات پیشنهادی ايآ پارامترها را به ارایب 11 / 9 و 6999 / ضريب زاويه خب برازش شده 91991/71درصد کمتر )نسبت به شبکه عصبي( پیش بیني مي کند. همچنیآ معادلات پیشنهاد شده در ايآ احقیق از فر ساده ای برخوردار است و امکان بهره گیری از ن نیازمند کامپیوار نمي باشد، لذا مي اوان معادلات پیشنهادی را در طراحي و بهره برداری از پم های ضربه قوچي اوصیه نمود.

کلمات کليدی:

پمپ ضربه قوچی، انرژی تجدید پذیر، رگرسيون غير خطی، شبکه عصبی

نویسندگان :

رضا فتاحی آلکوهی ، بابک لشکرآرا

دهمین کنگره بین المللی مهندسی عمران (1394)

استفاده از شبکه های عصبی مصنوعی آموزش یافته با الگوریتم PSO به منظور مدلسازی رواناب و مقایسه نتایج با الگوریتم مورچگان و ANFIS

کلمات کلیدی :

حوضه آبریز مهارلو . شبکه عصبی . الگوریتم بهینه سازی PSO . روش های کلاسیک برآورد رواناب

دهمین کنگره بین المللی مهندسی عمران (1394)

بررسی و مقایسه روش طراحی حدي و روش تنش مجاز در وزن سازهي گلخانه اي فرم ونلو به وسیله شبکه عصبی و الگوریتم ژنتیک

خلاصه
با توجه به سیاست هاي کلان کشور درزمینه افزایش سطح زیر کشت محصولات گلخانه اي ، نیاز به ساخت گلخانه به شدت افزایش یافته است . با برسی هاي به عمل آمده ، گلخانه فرم ونلو ، مناسب ترین نوع گلخانه براي کشت صنعتی می باشد ، در نتیجه باتوجه به سطح وسیع ساخت گلخانههمواره نیاز به بهینه بودن سازه احساس می شود و مشکل اصلی در ارائه یک طرح بهینه مجهول بودن فاصله دهانه قاب و فاصله قابها از یکدیگر و همچنین ارتفاع خرپا و روش طراحی مناسب در شرایط مختلف بارگذاري می باشد . براي رفع این مشکل ابتدا با استفاده از شبکه عصبی تابع هدف ایجاد شد و سپس با استفاده از الگوریتم ژنتیک اقدام به بهینه یابی تابع هدف براي شرایط مختلف بارگذاري گردید. نتیجه این تحقیق منجر به جدولهایی شده ، که با توجه به مقادیر مختلف بار باد و بار برف ، مقدار بهینه دهانه قاب و فاصله قاب ها ازیکدیگر و ارتفاع خرپا را پیشنهاد می کند و سپس با توجه به جداول روش طراحی مناسب معرفی می گردد.

کلمات کلیدي:

الگوریتم ژنتیک ، شبکه عصبی ،گلخانه ونلو ، روش حدي ، روش تنش مجاز

نویسندگان :

عباس حق اللهی ، علی خاکی ، علیرضا زارع نهندي

اولین کنفرانس ملی عمران و توسعه ایران (1390)

پیشبینی مقاومت فشاري بتن بدون اسلامپ:مطالعه مقایسهاي بین مدلهاي شبکه عصبی و ویونت

خلاصه
بتن بدون اسلامپ، بتنی است که اسلامپ آن خیلی کم و یا صفر باشد که براي اهداف پیش سازي بهکار میرود. حساسیت بتن بدون اسلامپ نسبت به اجزاي تشکیل دهنده، نسبت اجزاي تشکیل دهنده، درصد تراکم و ... پیش بینی مقاومت فشاري را دشوار میکند. در این تحقیق با در نظر گرفتن ساختار بتن به عنوان متغیر ورودي، شبکه عصبی و ویونت براي پیشبینی مقاومت 28 روزهي بتن بدون اسلامپ آموزش و امتحان داده شدند. هدف اصلی این مقاله ارزیابی توانایی روش شبکه عصبی و حالت خاصی از شبکه عصبی موجکی تحت عنوان ویونت در پیشگویی مقاومت فشاري بدون اسلامپ میباشد. نتایج عددي بدست آمده حاکی از آن است که نه تنها شبکههاي عصبی و ویونت در تخمین مقاومت فشاري از قابلیت بالایی برخوردارند بلکه شبکه ویونت نسبت به شبکه عصبی پیشخورد عملکرد بهتري را داشته است.

کلمات کلیدي:

مقاومت فشاري، بتن بدون اسلامپ، شبکه عصبی، موجک، ویونت

نویسندگان :

افشین پورتقی ، مهدیه ساعدي ، رضا کارکن آزاد  ، حسن امینی راد

اولین کنفرانس ملی عمران و توسعه ایران (1390)

بدست آوردن ضریب اطمینان شیروانی هاي خاکی با استفاده از شبکه عصبی مصنوعی

خلاصه
احداث سازه هاي مختلف بر روي شیروانی هاي خاکی ، به دلیل قرار گیري آنها در مجاورت مناطق مسکونی از دیرباز امري متداول بوده است. امروزه با پیشرفت فناوري و احداث خاکبرداري ها وخاکریزهاي مصنوعی در راهسازي ،سدهاي عظیم خاکی و مناطق مسکونی، نیاز به بررسی علمی این پدیده بیشتر احساس می شود. روشهاي مختلفی براي بررسی پایداري شیب ها وشیروانی ها ارائه شده که از جمله آنها می توان به روش هاي تعادل حدي همانند روش فلینیوس ،بیشاپ و نیز روش آنالیز حدي اشاره نمود. هدف مشترکی که در تمامی این روشها دنبال می شود بررسی پایداري شیبهاي طبیعی و مصنوعی و تعیین ضریب اطمینان پایداري آنها می باشد. به عبارت دیگر،هدف یافتن حداقل ضریب اطمینان پایداري و سطح گسیختگی متناظر با آن که شیروانی در امتداد آن لغزیده و گسیخته خواهد شد، می باشد.در این مقاله سعی شده است تا یک شبکه عصبی مناسب جهت بدست آوردن ضریب اطمینان شیروانی هاي خاکی ارائه شود. داده هاي مورد استفاده در این شبکه اطلاعات مربوط به 50 شیروانی مدلسازي گردیده که از مجموعه داده ها، داده هاي 39 شیروانی براي آموزش و 11 شیروانی براي امتحان slide خاکی بوده که در نرم افزار انتخاب شده است. پس از بررسی هاي به عمل آمده معلوم شد که نتایج حاصل ازاین شبکۀ عصبی از دقت بسیار خوبی برخوردار است و می توان از آن در کنار استفاده از سایر روش هاي متدوال جهت محاسبه ضریب اطمینان شیروانی ها بهره گرفت.

کلمات کلیدي:

شیروانی خاکی،شبکه عصبی، ضریب اطمینان ،slide

نویسندگان :

مریم منصوریار ، محمود اسناوندي

اولین کنفرانس ملی عمران و توسعه ایران (1390)