پیش بینی پایداری شیروانی های خاکی با استفاده از روش هوش مصنوعی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 903

فایل این مقاله در 16 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

RCEAUD02_206

تاریخ نمایه سازی: 16 شهریور 1395

چکیده مقاله:

از جمله مسائل نامعین در مهندسی ژئوتکنیک می توان به تعیین پایداری شیروانی اشاره کرد. علت آن را می توان نامعین بودن و پیچیدگی پارامتر هایی دانست که پایداری شیب را تحت تاثیر قرار می دهند. استفاده از روش های هوش مصنوعیبه دلیل در نظر گرفتن درجات نامعینی برای پارامترهای نامعین تخمین دقیقتری را برای مسئله در پی خواهند داشت. در این مقاله، نتایج مطالعه در بکارگیری روش سیستم استنتاج فازی بر پایه شبکه عصبی تطبیقی (ANFIS) به منظور تخمین و آنالیز پایداری شیروانی ارائه می شود. داده هایی که در شبکه های آموزش دیده ذخیره می شوند با استفاده ازروش های فازی عصبی توانایی اینکه که بصورت قوانین فازی بیان شوند را خواهند یافت. که این مورد حل مسائل نامعین را میسر می سازد. نتایج بدست آمده از این مطالعه نشان میدهد که روش (ANFIS) تخمین دقیق تری را نسبت به روشهای مرسوم تحلیل پایداری شیروانی در پی خواهد داشت

نویسندگان

خدیجه شیرزاد

دانشجوی کارشناسی ارشد، گروه کامپیوتر،واحد بابل،دانشگاه آزاد اسلامی،بابل،ایران

مرتضی بابازاده

استادیار، گروه کامپیوتر،واحد بابل،دانشگاه آزاد اسلامی،بابل،ایران

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 :
  • Wang, H.B., Xu, W.Y., Xu., R.C.(2005) "Slope stability evaluation using ...
  • _ Manouchehri an A, Gholamnejad J, Sharifzadeh M. .(20 1 ...
  • Coggan, J.S, Stead, D. &Eyre J.M (1998)." Evaluation of techniques ...
  • SakEellarion M, Ferentinou M (2005) _ study of slope stability ...
  • Sarat Kumar D, Rajani Kanta B. (2011) "Classification of slopes ...
  • Erzin Y, Cetin T .(2013)"The prediction of the critical factor ...
  • .Kahatadeniya K, Nanakorn P, Neaupane k. (2009) _ Determination of ...
  • Samui P, Kothari D. (2011) _ Utilization of a least ...
  • Cramer, N.L.(1985). _ representation for the adaptive generation of simple ...
  • R. Singh, _ Vishal, T.N. (2012) : Singh. Soft computing ...
  • McCombie P, Wikinson P. (2002), ;The use of the simple ...
  • Kaunda R, Chase R, Kehew AE, Kaugars K, Selegean J, ...
  • H. Hamdan. (2013)"An Exploration of the Adaptive Neuro-Fuzzy Inference System ...
  • Jang JSR, Sun CT, Mizutani E. (1 997) Neuro-fuzzy and ...
  • Kasabov NK. (1998)" Foundations of neural networks, fuzzy systems and ...
  • William Siler and James J. Buckley, (2005)" FUZZY EXPERT SYSTEMS ...
  • Ngai, E.W.T., (2005). :Customer relationship management research (1992-2002): An academic ...
  • Ngai, E.W.T., Xiu, L., Chau, D.C.K., , 2009).:" Application of ...
  • Jang JRS.(1999)" ANFIS: adaptive -network-b ased fuzzy inference systems". IEEE ...
  • Zhou Q, Purvis M, Kasabov N. (1997) _ membership function ...
  • Joo Y.H, Chen G.(2009)" Fuzzy systems modeling: An introduction" Hershey, ...
  • Chiu SL. (1994)"Fuzzy model identification based On cluster estimation". J ...
  • R. Yager, D. Filev, (1 9 94);، Generation of Fuzzy ...
  • J. C. Bezdek, (1987) "Pattern Recognition with Fuzzy Objective Function ...
  • R. J. Hathaway, J. W. Davenport, and J. C. Bezdek, ...
  • نمایش کامل مراجع