پس از انتخاب کلید عضویت در انتهای صفحه جدیدی که باز خواهد شد، اطلاعات خود را تکمیل و عضویت خود را تایید نمایید
درباره وب سايت
جامع ترین و معتبرترین آموزش برای نرم افزار های مهندسی معدن، عمران
و ژئوتکنیک و مشاوره پروژه ها و پایان نامه های مرتبط
............................................
هدف از ایجاد این وبلاگ کمک به دانشجویان و علاقه مندان به رشته مهندسی معدن، عمران و ژئوتکنیک جهت آموزش مفاهیم، فراگیری نرم افزار ها ، دوره های مرتبط و مشاوره جهت انجام پروژه و پایان نامه می باشد..................................................
رزومه مدرسان آموزش نرم افزار ها:دانشجویان کارشناسی ارشد و دکترا رشته های مهندسی معدن و عمران دانشگاه صنعتی امیرکبیر (پلی تکنیک) تهران
............................................
علاوه بر تهران آموزش حضوری نرم افزار ها در مشهد نیز انجام خواهد گرفت.
برای هماهنگی با شماره زیر تماس حاصل فرمایید............................................
09381295869 اسمعیلی-مدیریت وبسایت........ ................................................ در صورتی که موفق نشدید با شماره فوق تماس حاصل فرمایید از طربق ایمیل زیر نیز می توانید در خواست خودتان را مطرح نمایید.......................................
raminesmaeili68@gmail.com
...................این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد. همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است
خبرنامه
براي اطلاع از آپيدت شدن وبلاگ در خبرنامه وبلاگ عضو شويد تا جديدترين مطالب به ايميل شما ارسال شود
پیش بینی پتانسیل روانگرایی خاك با استفاده از ماشین بردار پشتیبان (SVM)
خلاصه (Cu) ضریب یکنواختی منحنی دانه بندي ،(F.C) درصد ریزدانه ،(DR) در تحقیق حاضر رابطهي بین مشخصات اولیه خاك شامل تراکم نسبیبا انرژي کرنشی لازم براي شروع روانگرایی در خاکهاي سیلتی و ماسهاي (σmean´) و تنش محصور کننده میانگین اولیه (D اندازه متوسط ذرات ( 50مورد بررسی قرار گرفته است. براي آموزش و کنترل مدل از 284 مجموعهي اطلاعاتی بدست (SVM) با استفاده از تکنیک ماشین بردار پشتیبانآمده از آزمایشات سه محوره ، برش مستقیم و همچنین اطلاعات ثبت شده در زمان وقوع زلزله در نقاط مختلف جهان استفاده شده است. براي ارزیابیمیزان دقت مدل از شاخص هاي آماري مانند ضریب تبیین ، میانگین خطاي مطلق و میانگین مربعات خطا استفاده شده است ونتیجه حاصله با دیگررابطه هاي بدست آمده مقایسه شده است که نشان میدهد رابطهي بدست آمده با این تکنیک داراي خطاي کمتري نسبت به سایر روشها میباشد.
پیش بینی شاخص فشردگی خاکهاي رسی با استفاده از ماشین بردار پشتیبان (SVM)
خلاصه که براي محاسبه میزان نشست تحکیمی کاربرد دارد و پارامترهاي دیگر خاك از جمله رطوبت (Cc) در تحقیق حاضر رابطهي بین شاخص فشردگیدر خاك هاي رسی با (Gs) وچگالی ذرات جامد (e) تخلخل خاك ، (PI) دامنه خمیري خاك ،(LL) حد روانی خاك ، (Wn) طبیعی خاكمورد بررسی قرار گرفته است. از 125 مجموعهي اطلاعاتی بدست آمده از آزمایشگاههاي شمال (SVM) استفاده از تکنیک ماشین بردار پشتیبانکشور براي آموزش و کنترل مدل استفاده شده است . براي ارزیابی میزان دقت مدل از شاخص هاي آماري مانند ضریب تبیین ، میانگین خطاي مطلق و میانگین مربعات خطا استفاده شده است ونتیجه حاصله با دیگر رابطه هاي بدست آمده مقایسه شده است.
ارائه مدلی برای پیشبینی عملکرد روده درها بر اساس نرخ حفاری آنی و انرژی ویژه با استفاده از روش ماشین بردار پشتیبان
چکیده ماشینهای بازویی حفر تونل )رودهدرها( از آن دسته از ماشینهایی میباشند که قابلیت و انعطافپذیری بینظیری در حفاریمکانیکی تشکیلات سنگی نرم تا مقاومت متوسط را دارا میباشند، از این رو به طور گسترده در معدنکاری زیرزمینی و تونلسازیمورد استفاده قرار میگیرند. ارزیابی و پیشبینی عملکرد رودهدرها عاملی بسیار مهم در کاربرد موفقیت آمیز آنها محسوب میشود.هدف اصلی این مقاله، ارائه مدلی برای پیشبینی عملکرد ماشینهای رودهدر بر اساس نرخ حفاری آنی و انرژی ویژه با استفاده ازپارامترهای مقاومت کششی، مقاومت فشاری تکمحوری سنگ بکر، شاخص کیفیت سنگ و زاویه بین امتداد تونل و صفحاتناپیوستگیها انجام شده است. برای این منظور دادههای معدن زغالسنگ طبس، از یک بانک اطلاعاتی جامع با قابلیت اعتماد بالا ازعملکرد رودهدرها و خصوصیات ژئومکانیکی تشکیلات سنگی مورد حفاری در تحلیل و بررسی دقیق مورد استفاده قرار گرفته است.پیشبینی نرخ حفاری آنی و انرژی ویژه با استفاده از مدلسازی ماشین بردار پشتیبان به عنوان یک روش هوشمند مصنوعی در حلمسائل رگرسیون و طبقهبندی انجام شده است. نتایج مدلسازی نشان میدهد که ارتباط بسیار خوبی بین نرخ حفاری آنی و انرژی0 وجود دارد. همچنین مقدار مربع ضریب همبستگی / ویژه مجموعه آموزش و متغیرهایسازنده مدل با مربع ضریب همبستگی 330 بدست آمد که نشاندهنده توانایی بالای مدل / برای دادههای مجموعه آزمون برابر 33 در پیشبینی نمونههای خارج از آن است.
ارزیابی گسترش جانبی ناشی از روانگرایی به کمک ماشین بردار پشتیبان
پدیده ی روانگرایي، كه عموماٌ در خاكهای ماسهای شل اشباع رخ ميدهد از اهميت بسزایي در جابجایيهای مخرب زمين در حين زلزله برخوردار است. روشهای متعددی برای شناسایي وارزیابي مخاطرات ژئوتکنيکي ناشي از این پدیده پيشنهاد گردیده است كه یکي از این روشها، به كارگيری روش پيش بيني جابجایيهای روانگرایي است. استفاده از ماشين بردار پشتيبان به عنوان یک روش تکنيک محاسباتي نرم در علوم مهندسي از جمله ژئوتکنيک در ساليان اخير بيشتر مورد توجه قرار گرفته است. برای مدلسازی ماشين بردار پشتيبان از یکسری دادههای شواهد تاریخي بر مبنای 18 ركورد زلزله و جابجایيهای اندازهگيری شده استفاده شده است. نتایج حاصل از مدلسازی در مقایسه با نتایج بدست آمده از شواهد تاریخي تطابق خيلي مناسبي را نشان داده كه استفاده از این روش را تضمين ميکند. در انتها نتایج با سایر روابط ادبيات فني گذشته مقایسه گردید كه افزایش دقت این روش نسبت به روشهای قبلي را نشان ميدهد.
این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران می باشد.
عضو شوید
عضویت سریع
آمار
مطالب
آمار بازدید
