مدل سازی پتانسیل رمبندگی خاک های غیر اشباع با استفاده از سیستم های هوشمند مصنوعی

پایان نامه
چکیده

در این تحقیق به پیش بینی پتانسیل رمبندگی(collapse potential) خاک ها با استفاده از سیستم های هوشمند پرداخته خواهد شد. بسیاری از تئوری ها و قوانین علم مکانیک خاک بر فرض اشباع بودن کامل خاک استوار شده است. رفتار خاک های غیر اشباع خصوصاً مقاومت و تغییر حجم خاک تحت اثر بارها و تنش ها کاملاً متمایز بوده و به عوامل متعددی بستگی دارد. رمبندگی به کاهش حجم خاک غیر اشباع تحت اثر تنش ثابت و به علت اشباع شدن خاک گفته می شود. تحقیقات انجام شده قبلی در زمینه خاک های رمبنده نشان می دهد که دانه بندی خاک، درصد رطوبت اولیه خاک، وزن مخصوص خشک اولیه خاک و تنش هنگام اشباع عوامل اصلی موثر بر رمبندگی هستند. روابط موجود برای تعیین پتانسیل رمبندگی خاک ها عمدتاً برای یک خاک خاص مورد بررسی قرار گرفته صادق هستند و روابطی هم که با توجه به نتایج آزمایش های مربوط به چند خاک مختلف حاصل شده اند قادر به پیش بینی مناسبی از تغییرات پتانسیل رمبندگی یک خاک متفاوت نمی باشند. سیستم های هوشمند توانایی استنتاج بهتری از نتایج آزمایشگاهی را دارا می باشند، به همین خاطر به این سیستم ها، هوشمند گفته می شود، چرا که بر اساس محاسبات روی داده های عددی یا مثال ها، قوانین کلی را یاد می گیرد و قابلیت پیش بینی در مورد سایر داده ها را دارا می باشند. سیستم های هوشمند علاوه بر پیش بینی رفتار، قابلیت بررسی تغییرات بر حسب پارامترهای اولیه مختلف را نیز دارا می باشند. در این تحقیق نتایج آزمایش های سایر محققین که اندازه گیری مقدار پتانسیل رمبندگی برای 16 خاک متفاوت در شرایط اولیه مختلف را شامل می شود گردآوری شده است. با استفاده از این بانک اطلاعاتی و روش های برنامه نویسی ژنتیک، برنامه نویسی به روش توصیف ژن و سیستم عصبی – فازی به پیش بینی پتانسیل رمبندگی خاک ها پرداخته شد . نتایج نشان دهنده آن است که سیستم عصبی – فازی با خوشه بندی دارای کمترین خطا و دقت قابل قبول در پیش بینی پتانسیل رمبندگی خاک ها می باشد.

منابع مشابه

پیش بینی پتانسیل رمبندگی خاک های رمبنده از طریق شبکه های عصبی مصنوعی

در این تحقیق به منظور بررسی قابلیت شبکه های عصبی مصنوعی در تعیین پتانسیل رمبندگی، نمونه های متعدد خاک رمبنده از یک منطقه (دشت زاهدان) گردآوری شده است. در آزمایشگاه آزمایش های معمول رمبندگی بر روی آنها انجام و تعداد 130 نمونه خاک رمبنده حاصل از اعماق و مکان های مختلف دشت در پایگاه داده ثبت گردید. آزمایش رمبندگی انجام شده، تحکیم مضاعف بوده که برای بررسی بیشتر آزمایش های دانه بندی، وزن مخصوص، حدود...

متن کامل

مدل سازی بارش رواناب با استفاده از مدل های هوشمند هیبریدی

بارش-رواناب یکی از فرایندهای مهم در مطالعات منابع آب بشمار می‌رود. در این تحقیق فرآیند بارش-رواناب روزانه در حوضه آبریز بالیخ‌لوچای با استفاده از ماشین بردار پشتیبان، شبکه‌ های عصبی مصنوعی، هیبرید موجک-ماشین بردار پشتیبان و هیبرید موجک-شبکه عصبی مورد مطالعه و مقایسه قرار گرفته است. داده‌ های بارش-رواناب روزانه در طول دوره آماری (1379-1387) برای آموزش و صحت‌سنجی مدل‌ ها مورد استفاده قرار گرفت. د...

متن کامل

برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی شهرستان سنندج با استفاده از مدل شبکه عصبی مصنوعی

زمینه و هدف: شناسایی آبهای زیرزمینی آلوده به آرسنیک با استفاده از پارامترهای سطحی خاک و مدلسازی این رابطه در دو مدل شبکه عصبی مصنوعی و رگرسیون خطی چندگانه میتواند در مدیریت منابع آبی منطقه مفید باشد. مواد و روشها: در این مطالعه برآورد پتانسیل آلودگی آرسنیک آب های زیرزمینی سنندج با استفاده از مدل های رگرسیون خطی چندگانه و شبکه عصبی مصنوعی مورد آزمون قرار گرفت. در این راستا از بین چاه ها ی مجو...

متن کامل

مدل سازی تغییرات کیفی روغن کنجد طی فرآیند استخراج با استفاده از سیستم های هوشمند و رگرسیونی

کنجد یکی از مهم ترین دانه های روغنی با ارزش تغذیه ای و عملکردی بالا در دنیا می باشد. بنابراین مدل سازی و بررسی رابطه بین عواملی که می تواند بر کیفیت روغن کنجد استحصال شده تأثیرگذار باشد، حائز اهمیت است. در این پژوهش، شبکه های عصبی مصنوعی (ANN) و سیستم استنتاج عصبی - فازی سازگار (ANFIS) برای پیش بینی کیفیت روغن کنجد استخراج شده به روش پرس مورد استفاده قرار گرفت. مدل به دست آمده از شبکه عصبی مصنو...

متن کامل

مدل سازی رفتار سیستم های پیچیده با استفاده از دیدگاه های جزیی

هر روز که میگذرد سیستمهای پیچیده تری به وجود می آیند. در ساخت این سیستم های پیچیده افراد زیادی با تخصصهای گوناگونشرکت دارند و هر کدام از ابزاها و زبان خاص خود استفاده می کنند. ساخت بخشها و قطعات مختلف یک سیستم پیچیده توسطمتخصصین رشته های مختلفی صورت می گیرد که ممکن است هیچ ارتباط و گفتگویی با متخصصان دیگر رشته ها نداشته باشند. از این رونیاز به مدلی که تمام ویژگیهای سیستم مورد ...

متن کامل

منابع من

با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید

ذخیره در منابع من قبلا به منابع من ذحیره شده

{@ msg_add @}


نوع سند: پایان نامه

وزارت علوم، تحقیقات و فناوری - دانشگاه شیراز - دانشکده مهندسی عمران

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023