بررسی تاثیر تنش خالص بر قابلیت گذردهی هیدرولیکی خاک های ریزدانه غیراشباع، با استفاده از روش های برنامه ریزی ژنتیک و شبکه عصبی مصنوعی

محمدحسین پرواز; محسن اژدری

بررسی تاثیر تنش خالص بر قابلیت گذردهی هیدرولیکی خاک های ریزدانه غیراشباع، با استفاده از روش های برنامه ریزی ژنتیک و شبکه عصبی مصنوعی

محل انتشار: همایش ملی مهندسی عمران کاربردی و دستاوردهای نوین

سال انتشار: 1392

نوع سند: مقاله کنفرانسی

زبان: فارسی

مشاهده: 803

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

دریافت فایل کامل مقاله

صدور گواهی نمایه سازی
من نویسنده این مقاله هستم

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

هوش مصنوعی > شبکه عصبی

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

https://civilica.com/doc/255733

شناسه ملی سند علمی:

ACA01_467

تاریخ نمایه سازی: 24 خرداد 1393

چکیده مقاله:

بکارگیری روش های پیش بینی جهت تعیین ضریب تابع نفوذپذیری غیراشباع، در مقایسه با روش های آزمایشگاهی، صرفه جویی اقتصادی و زمانی را به همراه خواهد داشت. در این مقاله، علاوه بر مطالعه تاثیر پارامترهای درنظر گرفته شده توسط محققین مختلف جهت برآورد این ضریب، اثر اعمال تنش خالص نیز در روش های برنامه ریزی ژنتیک و شبکه عصبی مصنوعی پرسپترون چندلایه درمحیط نرم افزارMATLAB مدنظرقرارگرفته است پارامترهای مورداستفاده درفرایند پیش بینی شامل مکش بافتی (ua-uw مقداراب حجمی درحالت اشباع (θs ومقدارآب حجمی پسماندθr عددورودی هوا ua-uw)b شاخص نحوه توزیع حفرات درون خاک λ وهمچنین تنش خالص(σ-ua می باشدبرای داده های ازمایشگاهی مورد استفاده وهمچنین استفاده نشده، با انجام آنالیز حساسیت، تاثیر تنش خالص برای نمونه های خاک ریزدانه غیراشباع در روش های مذکور، مورد بررسی قرار گرفته است. با توجه به مدنظر قراردادن تاثیر تنش خالص در فرآیندهای پیش بینی، بررسی نتایج بیانگر تطابق مناسب پاسخ های ارائه شده توسط مدل ه ای ارائه شده در دو روش مذکور می باشد

کلیدواژه ها:

قابلیت گذردهی هیدرولیکی ، خاک های غیراشباع ، تنش خالص ، خاک های ریزدانه ، برنامه ریزی ژنتیک

نویسندگان

محمدحسین پرواز

دانشجوی کارشناسی ارشد عمران گرایش مکانیک خاک و پی دانشگاه آزاد اسلامی واحد استهبان

محسن اژدری

استادیار دانشگاه مهندسی عمران دانشگاه فسا

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 :

تئوری خاک های غیراشباع و بررسی جریان آب در این نوع خاک ها [مقاله کنفرانسی]
کیا، م. (1389). «شبکه های عصبی در «MATLAB تهران: نشر ...
ویسی هادی، مفاخری کبری، باقری شورکی سعید، (1390)، «مبانی شبکه ...
Abbaspour, K.C., Schulin, R., Van Genuchten, M.Th. (2001). Estimation of ...
Demuth, H., Beale, M., & Hagan, M., (2006). Neural Network ...
Fredlund, D.G., Rahardjo H. and Fredlund, M.D.(2012) Unsaturated soil mechanics ...
Gui, M.W. and Hsu, C.S. (2007). Water Coefficient of Permeability ...
Huang, S., Fredlund, D.G. and Barbour S.L., (1998). Development and ...
Koza, J.R., (1992) Genetic Programming: _ the Programming of Computers ...
Li, X. & Zhang, L.M.& Fredlund, D.G., (2009). Wetting front ...
Lim, D.K.H. and Kolay, P.K. (2009). Predicting Hydraulic Conductivity (k) ...
Moore, R. E., (1939). Water Conduction from Shallow Water Tables, ...
Ng, C. and Leung, _ (2012). Measurement of Drying and ...
Pachepsky Y.A., Shcherbakov, R.A., Varallyay, G., Rajkai, K., (1984). on ...
Poli, R., Langdon, W.B., McPhee, N.F. (2008). A Field Guide ...
Samingan, A. S. Leong, E. C., & Rahardjo, H. (2005). ...
Santos, J. E., Efendiev Y. and Guarracino L. (2006). Hydraulic ...
Silva S, Almeida J., (2003): GPLAB - A Genetic Programming ...
Toledo PG, Novy RA, Davis HT, Scriven LE. (1990). Hydraulic ...

نمایش کامل مراجع