پیشبینی جنس خاک با روشهای مکمل در پروژه محور بروجردی و بهاران و تقاطعهای مربوطه شهر تهران


در حال بارگذاری
23 اکتبر 2022
فایل ورد و پاورپوینت
2120
2 بازدید
۶۹,۷۰۰ تومان
خرید

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 پیشبینی جنس خاک با روشهای مکمل در پروژه محور بروجردی و بهاران و تقاطعهای مربوطه شهر تهران دارای ۱۰ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد پیشبینی جنس خاک با روشهای مکمل در پروژه محور بروجردی و بهاران و تقاطعهای مربوطه شهر تهران  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی پیشبینی جنس خاک با روشهای مکمل در پروژه محور بروجردی و بهاران و تقاطعهای مربوطه شهر تهران،به هیچ وجه بهم ریختگی وجود ندارد


بخشی از متن پیشبینی جنس خاک با روشهای مکمل در پروژه محور بروجردی و بهاران و تقاطعهای مربوطه شهر تهران :

تعداد صفحات :۱۰

چکیده مقاله:

برای شناخت ساختار لایههای خاک در یک پروژه، حفر گمانههای اکتشافی که بسیار پرهزینه میباشد، امری ضروری به نظر میرسد. افزایش اطمینان در درونیابی ساختار و خصوصیات لایههای خاک بین گمانهها منجر به بهبود ارزیابیخصوصیات ژئوتکنیکی و در نتیجه کاهش هزینهها شده و امکان برنامهریزی صحیح برای انجام عملیات ساختمانی را فراهم میآورد. شبکه عصبی توانایی زیادی در تخمین روابط غیرخطی دارد. در واقع شبکههای عصبی، بهعنوانسیستمهای هوشمند، از خصوصیات خاص پردازش اطلاعات در مغز مانند یادگیری و تعمیم مثالها، نادیده گرفتن خطا در دادهها و پردازش موازی آنها که دور از دسترس روشهای مرسوم برنامهنویسی قرار دارد، استفاده میکنند.هدف اصلی این تحقیق بررسی کارایی شبکه عصبی مصنوعی در پیشبینی جنس لایههای خاک میباشد. برای اینامر از اطلاعات گمانههای حفر شده در پروژه محور بروجردی و بهاران و تقاطعهای مربوطه واقع در محدوده شهرداری منطقه هجده شهر تهران استفاده شده است. در این تحقیق، مختصات لایهها بهعنوان دادههای ورودی و جنس لایههابهعنوان خروجی شبکه لحاظ گردیده است. برای آموزش شبکه از الگوریتم انتشار سریع استفاده شده است. مقایسه نتایج شبکه با مقادیر واقعی معیار بررسی موفقیتآمیز بوده است. میانگین بهترین نرخ طبقهبندی صحیح برای پیشبینی جنس لایهها در سایت شماره یک پروژه برابر با ۸ / ۷۹ درصد و در سایت شماره دو برابر با ۸۶ درصد میباشد.

  راهنمای خرید:
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.