ماهنامه بین المللی راه و ساختمان
 
    صفحه اول | English Page شنبه 28 اردیبهشت 1387  
 

ISSN 1735-5540

منو اصلی

بانک مقالات:
· جستجو در مقالات داخلي
· لیست کنفرانسهای داخلی
· جستجو در مقالات خارجي
بانک پروژه ها و تحقیقات
· پروژه ها و تحقیقات
· پروژه های محاسباتی
· پروژه های تحقیقاتی
· گزارش آزمایشگاه
· گزارش کارآموزی
· نمونه سوالات امتحانی
· نقشه های ساختمانی و جغرافیایی
بانک اطلاعاتی شرکتها
· جستجوی تخصصی شرکتها
· دایرکتوری شرکتهای عمرانی
· اعضای انجمنهای تخصصی
درباره سیویلیکا
· سیویلیکا در یک نگاه
· اهداف و ارزشها
· مدیران و مشاوران
· سیویلیکا در رسانه ها
· نمایندگیهای فروش
حمایت و پشتیبانی
· راهنمای سایت (نگارش 1.6)
· ارتباط با امور کاربران (پشتیبانی)
· دریافت نرم افزار FireFox
· دریافت نرم افزار AcrobatReader 8.1
· دریافت قلم های فارسی
واژه نامه تخصصی عمران
تقویم کنفرانسها
حمایت از کنفرانسها
لينك‌ها

[ گزارش اشكال در مقاله | بازگشت | جستجو | ليست كنفرانس‌ها ]

اطلاعات مقاله

[ اعتبار مورد نياز: 1 | تعداد صفحات: 9 | 212 بار مشاهده چكيده | 1 بار دريافت متن كامل ]

عنوان مقاله: Pinciples of Using Integrating GPS and Neural Network in Surveying Displacement of Large Span Bridges
سرفصل مربوط:
سال انتشار: 1385
نوع ارايه: پوستر
محل انتشار: [ همايش ژئوماتيك 85 ]
زبان مقاله: انگليسي حجم فايل: 151.43 كيلوبايت

نمايش خلاصه مقاله

لطفا اگر نقد و نظری درباره این مقاله دارید آن را درج کنید: [ نوشتن نقد بر اين مقاله ]

Pinciples of Using Integrating GPS and Neural Network in Surveying Displacement of Large Span Bridges  Fulltext 

نويسنده:

[ Mohammad Hooshmandzadeh ] - Department of Civil Engineering , Islamic Azad University of Shushtar branch

خلاصه مقاله:

Destructive natural catastrophes has been assumed to be increased. For this end, big engineering structures like suspension bridges, viaducts , tunnels and high building etc. have been subjected to continuously monitoring surveys. The technological development in precision point positioning systems together with no-human data transmission techniques without any atmospheric obligation have led to easily adapting such monitoring systems for the objects in question. Monitoring of engineering structures has become of importance particularly after the possibility of destructive natural catastrophes has been assumed to be increased. For this end, big engineering structures like suspension bridges, viaducts, tunnels and high building etc. have been subjected to continuously monitoring surveys. The technological developments in high precision point positioning systems together with no-human data transmission techniques without any atmospheric obligation have led to easily adapting such monitoring systems for the objects in question. In question . underlying processes are normally so complex to be expressedby one simple expression . The present study motivates the use of artificial neural networks for modeling the behaviours of deforming objects regarding the causing effects such as atmospheric , traffic volume . Artificial neural networks are inspired from biological systems in which large numbers of neurons, which individually perform rather slowly and imperfectly , collectively perform extraordinarily complex computations that even the fastest computers may not match. This new field of computing method is recently widely used by different disciplines such as prediction and control engineering, image processing and identification, pattern recognition , robotic systems etc. It is veryefficient tool for complex system identification in general


كلمات كليدي:



[ لينک دايمي به اين صفحه: http://www.civilica.com/Paper-GEO85-GEO85_76.html ]

نمايش صفحه قابل چاپ خلاصه مقاله معرفي مقاله به ديگران
راهنمایی دریافت اصل مقاله

اصل مقالات براي کاربران عضو سايت با بیش از 60 درصد تخفيف ارائه مي شوند. عضويت در سيويليکا ساده و سريع است. براي عضويت به بخش عضويت در سيويليکا مراجعه نماييد.

در صورتي که عضو نيستيد و ميخواهيد اصل مقاله را خريداري نماييد از بخش خريد اصل مقاله استفاده نماييد.

قبل از اقدام به دريافت يا خريد مقاله، به تعداد صفحات آن که در بالا درج شده است توجه نماييد.

براي راهنمايي کاملتر راهنماي سايت را مطالعه کنيد.

دريافت اصل مقاله (ویژه اعضا)

شما به صورت کاربر وارد سايت نشده ايد. پس از ورود به سايت با شناسه و رمز عبور خود، لينک دريافت مقاله در اين بخش نمايش داده مي شود.

 

نام کاربري

رمز عبور

رمز عبور را فراموش کرده ايد؟

خرید اصل مقاله

کاربران غير عضو، مي توانند با استفاده از پرداخت اينترنتي، بلافاصله اصل اين مقاله را خريداري نمايند. مقالات سيويليکا براي اعضا با بیش از 60 درصد تخفيف ارائه مي شوند.


قيمت اين مقاله : 6,000 ريال


ايميلي محتوي لينک فايل درخواستي شما به آدرسي که در زير درج مي‌نماييد ارسال مي‌شود. لطفا در تکميل آدرس ايميل خود نهايت دقت را داشته باشيد.


آدرس ايميل:

پرداخت از طريق:

PaperSearch ©
دفتر سیویلیکا: تهران، خیابان کارگر شمالی، بالاتر از پمپ بنزین امیرآباد، کوچه زمرد، شماره 22، طبقه دوم. تلفن: 88008044 - نمابر: 88335451
PHP-Nuke and SAVAFA