ضریب فشار جانبی ماسه ها با استفاده از آزمایش نفوذ مخروط در محفظه کالیبراسیون و شبکه عصبی مصنوعی

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

 ضریب فشار جانبی ماسه ها با استفاده از آزمایش نفوذ مخروط در محفظه کالیبراسیون و شبکه عصبی مصنوعی دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد ضریب فشار جانبی ماسه ها با استفاده از آزمایش نفوذ مخروط در محفظه کالیبراسیون و شبکه عصبی مصنوعی  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 ضریب فشار جانبی ماسه ها با استفاده از آزمایش نفوذ مخروط در محفظه کالیبراسیون و شبکه عصبی مصنوعی،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن ضریب فشار جانبی ماسه ها با استفاده از آزمایش نفوذ مخروط در محفظه کالیبراسیون و شبکه عصبی مصنوعی :

سال انتشار : ۱۳۹۶

نام کنفرانس، همایش یا نشریه : امیرکبیر مهندسی عمران و محیط زیست (امیرکبیر)

تعداد صفحات :۱۷

تعیین دقیق و مناسب پارامترهای خاک همواره در طراحی های ژئوتکنیکی مورد توجه بوده است. پیش بینی دقیق پارامترهای تاثیرگذار ماسه از آزمایشات برجا نظیر نفوذ مخروط (CPT) ، یکی از چالشی ترین مسایل در مهندسی ژئوتکنیک است. در این تحقیق با استفاده از نتایج آزمایش کالیبراسیون نفوذ مخروط که در دانشگاه ها و موسسات معتبر انجام شده اند و همچنین سیستمی متشکل از سه نوع شبکه عصبی مصنوعی، پارامتر ضریب فشار جانبی ماسه در حالت سکون (K0)برای انواع مختلف ماسه های موجود در پایگاه داده جمع آوری شده، به طور نسبتا دقیقی پیش بینی شده است. در این سیستم مجموعه ای از شبکه های عصبی به طور سری وظایفی انجام می دهند و در نهایت با ترکیب مناسب این شبکه ها، قادر خواهد بود تا مولفه K0 را با دقت مناسب برای خاک های ماسه ای مورد بررسی در پایگاه داده، پیش بینی نماید. در این روش از شبکه عصبی خودسازمانده (SOM) برای خوشه بندی مناسب داده ها، از شبکه عصبی احتمالاتی (PNN) برای کلاسه بندی ماسه و در نهایت از شبکه عصبی چندلایه با الگوریتم پس انتشار(BP) برای مدل نهایی، استفاده می گردد. جزییات ایجاد و به کارگیری چنین سیستمی در مقاله شرح داده شده و همچنین در پایان، نتایج بدست آمده از این سیستم با نتایج سایر محققین مقایسه گردیده است.

کلید واژه: ضریب فشار جانبی ماسه در حالت سکون، آزمایش نفوذ مخروط، محفظه کالیبراسیون، شبکه عصبی خودسازمانده، شبکه عصبی احتمالاتی، شبکه عصبی چندلایه پس انتشار