CIVILICA We Respect the Science
ناشر تخصصی کنفرانسهای ایران
عنوان
مقاله

پیش بینی جابجایی و نشست تونل انتقال آب چهل چای با استفاده از شبکه عصبی مصنوعی و مقایسه آن با جابجایی های حاصل از ابزار دقیق

اعتبار موردنیاز : ۱ | تعداد صفحات: ۱۴ | تعداد نمایش خلاصه: ۱۰۰ | نظرات: ۰
سال انتشار: ۱۳۹۵
کد COI مقاله: SECM01_173
زبان مقاله: فارسی
حجم فایل: ۹۱۹.۰۲ کیلوبایت (فایل این مقاله در ۱۴ 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 ۱۴ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳,۰۰۰ تومان

آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی جابجایی و نشست تونل انتقال آب چهل چای با استفاده از شبکه عصبی مصنوعی و مقایسه آن با جابجایی های حاصل از ابزار دقیق

  مهدی محمودجانلو - دانشجوی کارشناسی ارشد مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه زنجان
    فرهاد صمیمی نمین - استادیار گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه زنجان

چکیده مقاله:

به طورکلی حفر تونل در هر عمق از خاک یا سنگ منجر به تغییر سیستم توزیع تنش ها می شود و موجب همگرایی تونل و به وجود آمدن تغییرشکل ها و جابجایی هایی می شود. این همگرایی قبل از رسیدن جبهه کار به مقطع موردنظر آغاز می شود و پس از عبور جبهه کار از مقطعموردنظر تغییر مکان ها زیاد می شود. تغییر شکل ناشی از اجرای این سازه ها و تاثیر آن ها برسازه های سطحی یکی از چالش های اصلی در اینقبیل مسایل است. بنابراین نیاز جدی برای پیش بینی منطقی و قابل اعتماد از نشست و جابجایی ناشی از حفر تونل احساس می شود. دراینمقاله بااستفاده از شبکه عصبی مصنوعی و نرم افزار متلب سعی شده تا پیش بینی قابل قبولی از جابجایی و نشست تونل انجام شود و در نهایتبا مقایسه مدل ها و نتایج بدست آمده با نتایج واقعی روش مناسب پیش بینی با کمترین خطا به منظور پیش بینی نشست در تونل ارایه شود.نرم افزار مورد استفاده در این تحقیق، نرم افزار متلب می باشد به منظور استفاده از شبکه عصبی مصنوعی اطلاعات مربوط به 68 تونل که بهلحاظ حفاری، هندسه تونل و جنس زمین نزدیک به هم می باشند، مورد استفاده قرار گرفته است که این امر باعث بالا رفتن ضریبهمبستگی، کاهش خطا و نزدیک شدن نتایج به واقعیت شده است. لذا با استفاده از شبکه ساخته شده به پیش بینی نشست در تونل انتقال آبچهل چای سد نرماب می پردازیم. ارزیابی بین نتایج اندازه گیری و پیش بینی شده توسط شبکه نشان داده شده است که داده های آموزش برابر0/935 داده های ارزیابی برابر 0/972 و داده های آزمون 0/950 و در مجموعه کل داده ها 0/938 می باشد. درنهایت ضریب همبستگی شبکه عصبی مصنوعی برای تونل مورد مطالعه به 0/9196 رسید که نشان دهنده دقت بسیار خوب پیش بینی این جعبه ابزار و مقادیر واقعی می باشد که کارکرد خوب این روش می باشد.

کلیدواژه‌ها:

شبکه عصبی مصنوعی، جابجایی، تونل انتقال آب چهل چای، ابزاردقیق، ضریب همبستگی

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-SECM01-SECM01_173.html
کد COI مقاله: SECM01_173

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:
محمودجانلو, مهدی و فرهاد صمیمی نمین، ۱۳۹۵، پیش بینی جابجایی و نشست تونل انتقال آب چهل چای با استفاده از شبکه عصبی مصنوعی و مقایسه آن با جابجایی های حاصل از ابزار دقیق، اولین کنفرانس ملی پژوهش های کاربردی در مهندسی عمران (مهندسی سازه و مدیریت ساخت)، تهران، دانشگاه صنعتی شریف، https://www.civilica.com/Paper-SECM01-SECM01_173.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: (محمودجانلو, مهدی و فرهاد صمیمی نمین، ۱۳۹۵)
برای بار دوم به بعد: (محمودجانلو و صمیمی نمین، ۱۳۹۵)
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 :

  • حاجیان، ع. (۱۳۹۱)، "پیش‌بینی تغییرشکل‌های سطح زمین ناشی از احداث ...
  • - Hagan, MT, . Bemath, HB., Bael M.; _ Neural ...
  • - Ovudio, J., Santos, JR., Tarc1' sio, B.; "Artificial Neural ...
  • مدنی، ح، تونلسازی، جلد چهارم، ۱۳۸۱، انتشارات دانشگاه صنعتی امیرکبیر ...
  • Amusin, B.Z., Shisk, V.M., Lama, R.D.; "Using back analysis to ...
  • زرآهنی . ۱۳۹۱ " شبکه‌های عصبی مصنوعی" دانشگاه آزاد اسلامی ...
  • دارابی. ۱۳۸۹ " تحلیل پایداری تونل خط ۲ مترو تهران ...
  • تحلیل پایداری و پیش بینی نشست تونل خط یک مترو تبریز [مقاله کنفرانسی]
  • Demuth, H., Beal, M.; _ Neural Networks Toolbax User Guide, ...
  • احسانی، ع. (۱۳۹۱)، "پیش‌بینی نشست سطح زمین در اثر حفر ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز: دانشگاه دولتی
    تعداد مقالات: ۷۴۸۹
    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.