تحلیل ومقایسه نتایج حاصل ازکاربرد شبکه عصبی مصنوعی دربرآوردشاخص فشردگی خاک های ریزدانه باروشهای تجربی موجود(مطالعه موردی استان کرمانشاه)
محل انتشار: ششمین کنگره ملی مهندسی عمران
سال انتشار: 1390
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 993
فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCE06_1207
تاریخ نمایه سازی: 28 مرداد 1390
چکیده مقاله:
یکی از پارامترهای بسیار مهم درتعیین میزان نشست پذیری خاکهای ریزدانه شاخص فشردگی Cc می باشد این مقاله دربرگیرنده روشی برمبنای شبکه های عصبی مصنوعی در تعیین شاخص فشردگی خاکهای ریزدانه دستنخورده در استان کرمانشاه می باشد از مناطق مختلف شهر و استان کرمانشاه درمجموع 82 نمونه دست نخورده تهیه گردید و شاخص یاد شده از طریق آزمایش تحکیم و ترسیم منحنی آزمایشگاهی e-logP اندازهگیری شد این نمونه ها عموما رس بیش تحکیم یافته با خاصیت خمیرایی مختلفی کم تا زیاد بودند شبکه عصبی مصنوعی مورد استفاده ا زنوع پرسپترون چندلایه با قانون یادگیری پس از انتشار و تکنیک حداقل مربعات خطا می باشد که در آن این کمیت مکانیکی و مهم خاک با ایجاد نگاشتی غیرخطی بین پارامترهای موثر بر آن از قبیل عیار پوکی اولیه e0 رطوبت اولیه i w حد روانی خاک LL شاخص خمیرایی PI و چگالی ویژه Gs نمونه خاک دستنخورده تعیین می گردد.
کلیدواژه ها:
نویسندگان
رسول قبادیان
استادیار گروه مهندسی آب دانشگاه رازی کرمانشاه
آبتین مصلحت
دانشجوی سابق مهندسی آب دانشگاه رازی کرمانشاه
علی جمشیدی
کارشناس ارشد مهندسی خاک و پی عمران آزمایشگاه فنی تخصصی بیستون
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :