ویراساینس.
مقاله

مدلسازی رفتار تنش - کرنش خاکهای رسی با استفاده از شبکه های عصبی مصنوعی

سید محسن حائری، s. m. haeri ناصر ساداتی و رضا مهین روستا، n. sadati and r. mahin-rousta

چکیده

در این مقاله رفتار خاکهای رسی تحت آزمایش سه محوری با استفاده از شبکه های عصبی مصنوعی1 مورد مطالعه قرار گرفته است. در این راستا مدلهایی تهیه شد تا رفتار تنش – کرنش رسها را در شرایط زهکشی نشده پیش بینی کند. مزیت مدلهای تهیه شده در این است که پارامترهای ساده ای نظیر مشخصات فیزیکی خاک همچون حدود اتربرگ، رطوبت خاک، درصد ریزدانه و غیره برای مدل کردن رفتار تنش کرنش خاکهای رسی در آزمایش سه محوری به کار گرفته شده است، بدون آنکه به انجام آزمایشات وقتگیر و دقیق سه محوری نیاز باشد. نتایج مدل به کار گرفته شده نشان می دهد که شبکه عصبی یک ابزار مناسب برای مدلسازی رفتار تنش – کرنش خاکهای رسی با استفاده از مشخصات ساده فیزیکی این خاکهاست. واژگان کلیدی : خاک رس، آزمایش سه محوری زهکشی نشده، شبکه عصبی مصنوعی، تنش-کرنش، فشار آب حفره ای، مقاومت برشی

اسناد مشابه

  • مدلسازی رفتار تنش - کرنش خاکهای رسی با استفاده از شبکه های عصبی مصنوعی

    مقاله۲۰۰۱مواد پیشرفته در مهندسی (استقلال)سید محسن حائری، ناصر ساداتی و رضا مهین روستا

    در این مقاله رفتار خاکهای رسی تحت آزمایش سه‌محوری با استفاده از شبکه‌های عصبی مصنوعی1 مورد مطالعه قرار گرفته است. در این راستا مدلهایی تهیه شد تا رفتار تنش – کرنش رسها را در شرایط زهکشی نشده پیش‌بینی کند. مزیت مدلهای تهیه شده در این است که پارامترهای ساده‌ای نظیر مشخصات فیزیکی خا

  • مدلسازی رفتار تنش - کرنش خاکهای رسی با استفاده از شبکه های عصبی مصنوعی

    مقاله۲۰۰۱روش های عددی در مهندسی (استقلال)سید محسن حائری، ناصر ساداتی و رضا مهین روستا

    در این مقاله رفتار خاکهای رسی تحت آزمایش سه‌محوری با استفاده از شبکه‌های عصبی مصنوعی1 مورد مطالعه قرار گرفته است. در این راستا مدلهایی تهیه شد تا رفتار تنش – کرنش رسها را در شرایط زهکشی نشده پیش‌بینی کند. مزیت مدلهای تهیه شده در این است که پارامترهای ساده‌ای نظیر مشخصات فیزیکی خا

  • مدل‌سازی حذف سفیکسیم به روش فنتون با شبکه عصبی مصنوعی

    مقاله۲۰۲۳شیمی و مهندسی شیمی ایرانمهناز یاسمی، زهرا معافی

    هدف از این پژوهش‌، مدل‌سازی راندمان حذف سفیکسیم به روش فنتون و با استفاده از شبکه عصبی است. ﺷﺒﮑﻪﻋﺼﺒﯽ ﻣﺼﻨﻮﻋﯽ ﺗﻮاﻧﺎﯾﯽ ﺑﺎﻻیی در ﭘﯿﺶﺑﯿﻨﯽ نتیجه‌های ﺗﺠﺮﺑﯽ دارد. در این مدل‌سازی مقدار هیدروژن پراکسید، کاتالیست آهن، مدت زمان حذف سفیکسیم، غلظت اولیه سفیکسیم وpH پارامترهای ورودیﻫﺎی ﺳﯿﺴﺘﻢ و

  • مدل‌سازی خطر سقوط درختان خطرآفرین با کاربرد شبکه عصبی مصنوعی و رگرسیون لجستیک در فضای سبز شهری

    مقاله۲۰۲۰محیط شناسیالهام قهساره اردستانی، محسن بهمنی، مژده نافیان

    درختان فضای سبز شهری به‌رغم ارائه طیف وسیعی از منافع زیست‌محیطی، زیباشناختی، اجتماعی، فیزیولوژیکی و اقتصادی می‌توانند باعث خطرات جانی و مالی برای شهروندان شوند. اهداف این تحقیق برآورد احتمال خطر سقوط درختان نارون و مدل‌سازی آن از طریق شبکه عصبی و رگرسیون لجستیک است، بدین‌ترتیب 12

  • پیش بینی رفتار تنش_کرنش مصالح شنی با استفاده از شبکه های عصبی مصنوعی

    مقاله۲۰۱۲مهندسی عمران مدرسرضا مهین روستا، حامد فرخ بروجردی

    در این پژوهش رفتار مکانیکی مصالح درشت دانه شنی با استفاده از شبکه عصبی چند لایه پرسپترون، که از پرکاربردترین شبکه های عصبی مصنوعی در مسائل ژئوتکنیکی است، شبیه سازی شده است. ابتدا اطلاعات دقیقی از آزمون های منابع مختلف در سراسر کشور تهیه و عوامل مؤثر بر مقاومت برشی خاک های درشت دا

  • پیش بینی رفتار تنش_کرنش مصالح شنی با استفاده از شبکه های عصبی مصنوعی

    مقاله۲۰۱۱مهندسی عمران مدرسرضا مهین روستا، حامد فرخ بروجردی

    در این پژوهش رفتار مکانیکی مصالح درشت دانه شنی با استفاده از شبکه عصبی چند لایه پرسپترون، که از پرکاربردترین شبکه های عصبی مصنوعی در مسائل ژئوتکنیکی است، شبیه سازی شده است. ابتدا اطلاعات دقیقی از آزمون های منابع مختلف در سراسر کشور تهیه و عوامل مؤثر بر مقاومت برشی خاک های درشت دا