استفاده از شبکههای عصبی مصنوعی در تخمین ظرفیت باربری شالوده های سطحی واقع بر بسترهای چند لایه چسبنده | ||
| مدل سازی در مهندسی | ||
| مقاله 6، دوره 9، شماره 24، 1390، صفحه 65-82 اصل مقاله (774.66 K) | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2017.1582 | ||
| نویسندگان | ||
| مرضیه حسنآبادی* ؛ عبدالحسین حداد؛ عبدالحسین حداد؛ حسین نادرپور | ||
| چکیده | ||
| تخمین ظرفیت باربری شالودههای سطحی، موضوع بسیاری از تحقیقات در حوزه مکانیک خاک و پی بوده است. روشهای متعددی به منظور دستیابی به این هدف توسط برخی محققین برجسته پیشنهاد شده که اغلب در مورد بسترهای همگن و یا دو لایه بوده است؛ در حالی که به طور کلی خاک یک محیط همگن و ایدهآل نیست و در بسیاری موارد مدل سازی بستر خاکی به صورت یک بستر چند لایه، منجر به دستیابی به نتایج بهتری خواهد شد. متداولترین روش در تخمین ظرفیت باربری شالودههای واقع بر بسترهای چندلایه، روشهای عددی المان محدود و تفاضل محدود است. در این میان، تکنیک شبکههای عصبی مصنوعی نیز که در آن از بانک دادههای حاصل از مدل سازیهای فیزیکی و عددی استفاده شده باشد، میتواند جهت دستیابی به این هدف مورد استفاده قرار گیرد. یکی از برتریهای این روش نسبت به روشهای دیگر، سرعت و سادگی استفاده از آن است. در این مقاله، مدلی بر پایه شبکههای عصبی مصنوعی پرسپترون چند لایه و بر حسب پارامترهای چسبندگی و زاویه اصطکاک داخلی خاک و نیز شرایط هندسی مسئله شامل ضخامت لایههای خاک .و عرض شالوده ارائه شده که قادر است ظرفیت باربری شالودههای واقع بر بسترهای لایهای را تخمین بزند. در ادامه، روش رگرسیون چند متغیره که قادر است با برازش از میان نتایج حاصل از مدل سازی عددی، رابطهای کاربردی بین پارامترهای ورودی و ظرفیت باربری نهایی برقرار نماید، معرفی شده است. نتایج ظرفیت باربری حاصل از شبکه عصبی و روش رگرسیون چند متغیره نشانگر عملکرد مناسب آنها در تخمین ظرفیت باربری شالودههای سطحی روی بسترهای چند لایه است که می تواند منجر به ارائه روابطی کاربردی جهت تخمین ظرفیت باربری شالودههای سطحی شود. | ||
| کلیدواژهها | ||
| شالوده سطحی؛ ظرفیت باربری نهایی؛ بستر خاکی چند لایه؛ شبکه عصبی مصنوعی | ||
|
آمار تعداد مشاهده مقاله: 1,536 تعداد دریافت فایل اصل مقاله: 709 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 723 |
| تعداد مقالات | 10,395 |
| تعداد مشاهده مقاله | 72,863,422 |
| تعداد دریافت فایل اصل مقاله | 64,556,875 |