استفاده از دو الگوریتم بهینه سازی هوشمند در تخمین تنش موثر خاک های غیراشباع
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 96
فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CEEJ-53-110_017
تاریخ نمایه سازی: 24 تیر 1402
چکیده مقاله:
خاک های غیراشباع حدود ۴۰ درصد از خاک های سطح زمین را پوشانده و در اکثر پروژ ه های مهندسی ژئومکانیک به چنین خاک های برخورد می شود. تعیین مقاومت برشی خاک های غیراشباع براساس اصل تنش موثر به منظور استفاده در این گونه پروژه ها، مستلزم انجام آزمایش های نسبتا وقت گیر، پرهزینه و پیچیده است. از طرفی به دلیل تغییرات در خصوصیات خاک هر منطقه استفاده از روش های تجربی به منظور تخمین تنش موثر خاک های غیراشباع از دقت کمتری برخوردار بوده و با خطا همراه است. به منظور برآورد صحیح مقاومت برشی خاک های غیراشباع، هدف از نگارش این مقاله کاربرد روش های جدید هوشمند برای تخمین پارامتر تنش موثر، با استفاده از دو الگوریتم بهینه سازی هوشمند گرگ خاکستری، (Grey wolf optimization) و سینوس- کسینوس، (Sine cosine algorithm) می باشد. در این مدل ها از پارامترهایی نظیر: مقدار ورودی هوا، مقدار آب حجمی در شرایط باقیمانده و اشباع، شیب منحنی مشخصه آب- خاک، فشار محدودکننده خالص و مکش به عنوان پارامترهای ورودی و از پارامتر تنش موثر به عنوان خروجی استفاده شده است. در انتها برای صحت و ارزیابی مدل های پیش بینی از شاخص های ضریب همبستگی مربع (R۲)، میانگین درصد خطای مطلق، (Mean Absolute Percentage Error)، شمول واریانس، (Variance accounted for)، مجذور میانگین خطای مربع، (Root mean squared error) و میانگین خطای مربع، (Mean squared error) استفاده شده است. نتایج مدلسازی نشان می دهد که استفاده از دو الگوریتم بهینه سازی هوشمند گرگ خاکستری و سینوس- کسینوس دقت و کارایی قابل قبولی را در تخمین پارامتر تنش موثر برای خاک های غیراشباع دارد.
کلیدواژه ها:
نویسندگان
هادی فتاحی
گروه مهندسی ژئومکانیک، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک
حسین قائدی
گروه مهندسی ژئومکانیک، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک
فرشاد ملک محمودی
گروه مهندسی ژئومکانیک، دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک
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 :