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

پیش بینی عدد لوژن توده سنگ با استفاده از ویژگی ناپیوستگی ها به کمک شبکه عصبی مصنوعی

اعتبار موردنیاز: ۱ | تعداد صفحات: ۶ | تعداد نمایش خلاصه: ۱۹۲۷ | نظرات: ۰
سرفصل ارائه مقاله: ویژگیهای زمین شناسی سنگها و خاکها
سال انتشار: ۱۳۸۶
کد COI مقاله: ICEGE05_087
زبان مقاله: فارسی
حجم فایل: ۴۳۲.۰۱ کلیوبایت (فایل این مقاله در ۶ 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 ۶ 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 پیش بینی عدد لوژن توده سنگ با استفاده از ویژگی ناپیوستگی ها به کمک شبکه عصبی مصنوعی

  سعیده خالصی مقدم - دانشجوی کارشناسی ارشد زمین شناسی مهندسی، دانشگاه تربیت مدرس
    ماشاءاله خامه چیان (شناسه پژوهشگر - Researcher ID: ۴۰۸)
دانشیار بخش زمین شناسی مهندسی دانشگاه تربیت مدرس دانشگاه تربیت مدرس
  محمدرضا امین ناصری - دانشیار بخش مهندسی صنایع، دانشگاه تربیت مدرس

چکیده مقاله:

برآورد ویژگی های توده سنگ و پیش بینی نرخ جریان از بحث های حیاتی و جدی مهندسی سنگ به شمار می رود . امروزه شبکه های ع صبی ابزاری قدرتمند ب رای حل مسائل پی چیده از قبی ل تخ مین، ت شخیص الگو و طبقه بندی انواع م تغیرها هستن د .در این مقاله به کمک یک نوع شبکه عصبی مصنوعی، رفتار آبگذری توده سنگ های گرانودیوریتی ساختگاه سد شور – جیرفت از روی برخی وی ژگی ناپیوستگی ها از جمله شاخص کیفی سنگ، فراوانی درزه ها، باز شدگی و عمق در رابطه با عدد لوژن توده سنگ پیش بینی شده است . چون مقادیر عدد لوژن که بیانگر رفتار آبگذری توده سنگ ها می باشد به پارامترهای متفاوتی وابسته است و تعیین روابط بین آن ها چندان شناخته شده نیست از شبکه عصبی مصنوعی که توانایی بالایی در حل چنین مسائلی دارند استفاده شده است . داده های بکار رفته در آموزش و امتحان این شبکه عصبی شامل نتایج مربوط به 313 آزمایش لوژن در توده سنگ های گرانودیوریتی ساختگاه سد شور
– جیرفت می باشد . در این تحقیق از شبکه عصبی نوع پس انتشار خطا، و در آموزش شبکه از الگوریتم Levenberg-Marquardt استفاده شده است

کلیدواژه‌ها:

شبکه های ع صبی مصنوعی، عدد لوژن، عمق، باز شدگی ناپیوستگی ها، فراوانی درزه ها، شاخص کیفی سنگ

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-ICEGE05-ICEGE05_087.html
کد COI مقاله: ICEGE05_087

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:
خالصی مقدم, سعیده؛ ماشاءاله خامه چیان و محمدرضا امین ناصری، ۱۳۸۶، پیش بینی عدد لوژن توده سنگ با استفاده از ویژگی ناپیوستگی ها به کمک شبکه عصبی مصنوعی، پنجمین همایش زمین شناسی مهندسی و محیط زیست ایران، تهران، انجمن زمین شناسی مهندسی ایران، پژوهشکده سوانح طبیعی، https://www.civilica.com/Paper-ICEGE05-ICEGE05_087.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: (خالصی مقدم, سعیده؛ ماشاءاله خامه چیان و محمدرضا امین ناصری، ۱۳۸۶)
برای بار دوم به بعد: (خالصی مقدم؛ خامه چیان و امین ناصری، ۱۳۸۶)
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 :

  • گزارش زمین شناسی مهندسی، مطالعات مرحله اول طرح سد شور ...
  • Lee, Cheng-Haw & Farmer, Ian, 1984, Fluid Flow in D ...
  • Harrison.J.P, Discontinum c harac terization and modeling of ground water ...
  • Wang, M. & Earle, R. An Integrated view of groundwater ...
  • Huang Yi, Wanstedt S." The introduction of neural network system ...
  • Rogres SJ, Chen HC, Kopaska- Merkel DC, Fang JH. "Predicting ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۳۲۳۹۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    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.