CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

تعیین ارتباط پارامترهای فیزیکی مخلوطهای آسفالتی با میزان استحکام مارشال از طریق شبکه های عصبی نوع GMDH و الگوریتم ژنتیک

اعتبار موردنیاز: ۱ | تعداد صفحات: ۱۵ | تعداد نمایش خلاصه: ۱۷۷۶ | نظرات: ۰
سال انتشار: ۱۳۸۵
کد COI مقاله: CAAM03_037
زبان مقاله: فارسی
حجم فایل: ۲۵۳.۱۲ کلیوبایت (فایل این مقاله در ۱۵ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۵ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله تعیین ارتباط پارامترهای فیزیکی مخلوطهای آسفالتی با میزان استحکام مارشال از طریق شبکه های عصبی نوع GMDH و الگوریتم ژنتیک

علیرضا اشرفی - کارشناس ارشد مکانیک خاک و پی
همت اله بابازاده - کارشناس مکانیک خاک و پی

چکیده مقاله:

روش مارشال در طرح بتن آسفالتی نخستین بار توسط Bruce Marshall ابداع شده است . هم اکنون روش مارشال در طرح بتن آسفالتی بعنوان شاخصی ازمقاومت مخلوط آسفالت در برابر تغییر شکلهای پلاستیک مورد استفاده قرار می گیرد که مبانی آن که در استاندارد ASTM:D1559 ارائه گردیده است. مخلوطهای آسفالتی می توانند از قیر خالص، محلول یا قطران و مصالح سنگی با حداکثر اندازه یک اینچ ساخته شوند. معیارهائی از قبیل وزن مخصوص واقعی، درصد حجمی فضای خالی، تغییر شکل نسبی و درصد حجمی فضای خالی آسفالت متراکم شده که بر اساس آنها طرح اختلاط بتن آسفالتی انجام می پذیرد پارامترهای مهمی در رفتار مقاومتی آسفالت به شمار می آیند. همچنین برخی ازخواص سنگدانه ها مانند درصد شکستگی و پارامترهای دانه بندی نیز در خواص مقاومتی مخلوط آسفالتی نقش داشته و قابل بررسی می باشد. با توجه به اهمیت طرح مناسب مخلوطهای آسفالتی بعنوان یک راهکار جهت ارتقاء سطح کیفی روسازیهای انعطاف پذیر و شناخت عوامل موثر در بروز خواص مکانیکی آنها، در این پژوهش با استفاده از مجموعه ای از داده های استخراج شده حاصل از نتایج آزمایشهای انجام شده بر روی مخلوطهای آسفالتی متعدد و بر پایه شبکه های عصبی نوع GMDH و ابزار بهینه سازی الگوریتم ژنتیک، مدلی جهت تعیین نوع و میزان اهمیت پارامترهای مذکور درخواص مکانیکی آسفالت بدست آمده است. برای ارزیابی مدل، از نتایج آزمایشهای واقعی خارج از داده های مورد استفاده در مدل، روابط تقریبی پیشین، روش برازش خطی گام به گام و مجموعه ای از داده های آزمایشگاهی جدید استفاده شده است. شبکه های عصبی مصنوعی ابزارهای قدرتمندی هستند که از انواع پردازشگرهای موازی می باشند و قابلیتهای فراوانی در پردازش و طبقه بندی اطلاعات دارند. روش دسته بندی گروهی داده های عددی (GMDH) یک فناوری آموزش آماری شبکه ای است که حاصل تحقیقات سیبرنیتیکی شامل سیستم های خود سامانده ، تئوری اطلاعات، کنترل و علم کامپیوتر میباشد. این روش یک فرآیند منظم برای غلبه بر ضعفهای آماری و شبکه های عصبی می باشد. امروزه استفاده از الگوریتم ژنتیک بعنوان ابزاری جهت تکامل تدریجی در طراحی بهینه ساختارهای عصبی رایج بوده و تقریبا شبکه های عصبی بدون یک الگوریتم بهینه سازی، دیگر کاربردی در حل مسایل ندارند. به صورت تحلیلی و تجربی اثبات شده است که الگوریتم های ژنتیک ابزاری بسیار قدرتمند در فضاهای جستجوی نامعین می باشند. بر خلاف روشهای بهینه سازی مرسوم که از مشتق تابع برای بهینه سازی استفاده می کنند، الگوریتم های تکاملی فقط از مقدار خود تابع هدف استفاده می کنند و نیازی به مشتقات تابع ندارند و با استفاده از مجموعه ای از جمعیت ها، با تقسیم فضای جستجو، رسیدن به نقطه بهینه جهانی را امکان پذیر میکند. نتایج حاصل از ارزیابی مدل بدست آمده دقت بالای این روش را در تعیین میزان استحکام مخلوطهای آسفالتی از طریق پارامترهای فیزیکی آنها نشان می دهد.

کلیدواژه‌ها:

آسفالت ، استحکام مارشال ، شبکه های عصبی از نوع GMDH ، الگوریتم ژنتیک

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-CAAM03-CAAM03_037.html
کد COI مقاله: CAAM03_037

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
اشرفی, علیرضا و همت اله بابازاده، ۱۳۸۵، تعیین ارتباط پارامترهای فیزیکی مخلوطهای آسفالتی با میزان استحکام مارشال از طریق شبکه های عصبی نوع GMDH و الگوریتم ژنتیک، سومین همایش قیر و آسفالت ایران، تهران، موسسه قیر و آسفالت ایران، https://www.civilica.com/Paper-CAAM03-CAAM03_037.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (اشرفی, علیرضا و همت اله بابازاده، ۱۳۸۵)
برای بار دوم به بعد: (اشرفی و بابازاده، ۱۳۸۵)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • علیمحمد اسمعیلی"ویژگیهای مطلوب مخلوطهای آسفالتی" فصلنامه علمی -ترویجی ژئوتکنیک و ... (مقاله ژورنالی)
  • Der-Hsien Shen, M ing-Feng-Kuo _ Jia-Chong Du., «Properties of Gap- ...
  • Robert P. Elliot, Miller C. Ford, Jr., Maher Ghanim and ...
  • American Society of Testing and Materials, ASTM D1559 ...
  • Sanchez E., Shiba T., Zadeh L.A., Genetic Algorithm and Fuzzy ...
  • Koza J., Genetic Programing on the Programing of Computers by ...
  • Ivakhnenko, A.G., *Polynomial Theory of Complex System', IEEE Trans. Syst. ...
  • Vasechkina, E.F. and Yarin, V.D., 4Evolving polynomial neural network by ...
  • of genetic algorithms: sole application examples?. Complexity International, Vol. 9, ...
  • 0] J. Murali Krishnam, K. R. Rajagopal., 44Oon The Mechanical ...
  • 1] Mesut Tigdemir, Mustafa Karasahin, Zekai Sen., «'Investigation of Fatgue ...
  • 2]N Nariman-Z adeh; A Darvizeh; G R Ahmad-Zadeh _ *Hybrid ...
  • Golub G.H. and Reinesh C., «singular value D ecomposition and ...
  • _ N ariman-zadeh, N.; Darvizeh, A.; Darvizeh, M.; Gharababaei, H ...
  • کدام مقالات به این منبع استناد نموده اند


    بر اساس سیستم تحلیلی استنادات مقالات، تاکنون برای نگارش ۱ مقاله استفاده شده است.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.