پیش بینی طرح اختلاط بهینه برای بهسازی خاک رس نرم با استفاده از شبکه های عصبی مصنوعی | ||
| مدل سازی در مهندسی | ||
| مقاله 10، دوره 17، شماره 57، تابستان 1398، صفحه 147-158 اصل مقاله (1.55 M) | ||
| نوع مقاله: مقاله عمران | ||
| شناسه دیجیتال (DOI): 10.22075/jme.2019.15562.1549 | ||
| نویسندگان | ||
| حدیث بی باک1؛ جهانگیر خزائی* 1؛ حسین مویدی2 | ||
| 1گروه مهندسی عمران، دانشکده فنی، دانشگاه رازی، کرمانشاه، ایران | ||
| 2گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه صنعتی کرمانشاه، ایران | ||
| چکیده | ||
| استفاده و کاربرد شبیه سازی مصنوعی در پیش بینی رفتار مصالح علی الخصوص هنگامی که نتایج واقعی داشته باشیم از نظر زمان و هزینه از اهمیت ویژه ای برخوردار است. بر این اساس در این پژوهش داده های آزمایش بدست آمده از آزمایش تک محوری روی نمونه های خاک تثبیت شده توسط آهک، پسماند و سیلیکات سدیم با شبکه عصبی (GRNN) و الگوریتم ژنتیک (برنامه ریزی بیان ژن (GEP)) مورد بررسی قرار گرفته است. بنابراین با توجه به نتایج مقاومت فشاری محدود نشده برای درصدهای محدودی که آزمایش انجام شده است شبیه سازی مصنوعی انجام و راستی آزمایی صورت گرفته است سپس با توسعه شبکه عصبی و الگوریتم ژنتیک برای حالت ها و درصدهای مختلف اختلاط در بهسازی خاک، درصد اختلاط بهینه تعیین شده است که با توجه به نتایج بدست آمده از مدل الگوریتم ژنتیک، طرح اختلاط بهینه برای این نوع خاک رس در 6 درصد آهک، 6 درصد پسماند صنعتی و 1.5 درصد سیلیکات سدیم می باشد. نتایج شبکه عصبی دارای قدرت پیش بینی مناسب تری نسبت به الگوریتم ژنتیک می باشد به طوری که بهترین پیش بینی برای مدل 90 روزه شبکه عصبی با مقدار R^2 و RMSE به ترتیب برابر با 0.998 و 0.019 وکمترین پیش بینی برای مدل 7 روزه الگوریتم ژنتیک با مقدار R^2 و RMSE به ترتیب برابر با 0.967 و 0.059 می باشد. | ||
| کلیدواژهها | ||
| پسماند؛ تثبیت خاک؛ رس نرم؛ شبکه عصبی (GRNN)؛ الگوریتم ژنتیک (برنامه ریزی بیان ژن (GEP)) | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,372 تعداد دریافت فایل اصل مقاله: 840 |
||
| تعداد نشریات | 22 |
| تعداد شمارهها | 725 |
| تعداد مقالات | 10,472 |
| تعداد مشاهده مقاله | 73,432,027 |
| تعداد دریافت فایل اصل مقاله | 64,811,145 |