CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

استفاده از شبکه های عصبی مصنوعی در تخمین ظرفیت باربری شالوده های سطحی واقع بر بسترهای چند لایه چسبنده

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۹ | تعداد نمایش خلاصه: ۳۲۵ | نظرات: ۰
سال انتشار: ۱۳۹۰
کد COI مقاله: JR_JME-9-24_006
زبان مقاله: فارسی
حجم فایل: ۵۱۹.۴۹ کیلوبایت (فایل این مقاله در ۱۹ 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.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۱۹ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله استفاده از شبکه های عصبی مصنوعی در تخمین ظرفیت باربری شالوده های سطحی واقع بر بسترهای چند لایه چسبنده

  مرضیه حسن آبادی - کارشناس ارشد مهندسی عمران، گرایش خاک و پی، دانشگاه سمنان. نویسنده مسئول
  عبدالحسین حداد - استادیار، دانشکده مهندسی عمران، دانشگاه سمنان
  حسین نادرپور - استادیار، دانشکده مهندسی عمران، دانشگاه سمنان

چکیده مقاله:

تخمین ظرفیت باربری شالوده های سطحی، موضوع بسیاری از تحقیقات در حوزه مکانیک خاک و پی بوده است. روش های متعددی به منظور دستیابی به این هدف توسط برخی محققین برجسته پیشنهاد شد ه که اغلب در مورد بسترهای همگن و یا دو لایه بوده است؛ در حالی که به طور کلی خاک یک محیط همگن و ایده آل نیست و در بسیاری موارد مدل سازی بستر خاکی به صورت یک بستر چند لایه، منجر به دستیابی به نتایج بهتری خواهد شد. متداول ترین روش در تخمین ظرفیت باربری شالوده های واقع بر بسترهای چندلایه، روش های عددی المان محدود و تفاضل محدود است. در این میان، تکنیک شبکه های عصبی مصنوعی نیز که در آن از بانک داده های حاصل از مدل سازی های فیزیکی و عددی استفاده شده باشد، می تواند جهت دستیابی به این هدف مورد استفاده قرار گیرد. یکی از برتری های این روش نسبت به روش های دیگر، سرعت و سادگی استفاده از آن است. در اینمقاله، مدلی بر پایه شبکه های عصبی مصنوعی پرسپترون چند لایه و بر حسب پارامترهای چسبندگی و زاویه اصطکاک داخلی خاک و نیز شرایط هندسی مسئله شامل ضخامت لایه های خاک و عرض شالوده ارائه شده که قادر است ظرفیت باربری شالوده های واقع بر بسترهای لایه ای را تخمین بزند. در ادامه، روش رگرسیون چند متغیره که قادر است با برازش از میان نتایج حاصل از مدل سازی عددی، رابطه ای کاربردی بین پارامترهای ورودی و ظرفیت باربری نهایی برقرار نماید، معرفی شده است. نتایج ظرفیت باربری حاصل از شبکه عصبی و روش رگرسیون چند متغیره نشانگر عمل کرد مناسب آنها در تخمین ظرفیت باربری شالوده های سطحی روی بسترهای چند لایه است که میتواند منجر به ارائه روابطی کاربردی جهت تخمین ظرفیت باربری شالوده های سطحی شود.

کلیدواژه‌ها:

شالوده سطحی، ظرفیت باربری نهایی، بستر خاکی چند لایه، شبکه عصبی مصنوعی

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-JR_JME-JR_JME-9-24_006.html
کد COI مقاله: JR_JME-9-24_006

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:
حسن آبادی, مرضیه؛ عبدالحسین حداد و حسین نادرپور، ۱۳۹۰، استفاده از شبکه های عصبی مصنوعی در تخمین ظرفیت باربری شالوده های سطحی واقع بر بسترهای چند لایه چسبنده، فصلنامه مدل سازی در مهندسی 9 (24)، https://www.civilica.com/Paper-JR_JME-JR_JME-9-24_006.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: (حسن آبادی, مرضیه؛ عبدالحسین حداد و حسین نادرپور، ۱۳۹۰)
برای بار دوم به بعد: (حسن آبادی؛ حداد و نادرپور، ۱۳۹۰)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه دولتی
تعداد مقالات: ۷۱۵۲
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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
  • صنعت اتصال > چسب و رزین
  • اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    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.