close
تبلیغات در اینترنت
خرید دامنه
شبکه های عصبی
دنبال کردن مطالب از طریق فید RSS دنبال کردن مطالب از طریق تویتر

تبلیغات

اطلاعات کاربری


عضو شويد

نام کاربری :
رمز عبور :

فراموشی رمز عبور؟

عضویت سریع
نام کاربری :
رمز عبور :
تکرار رمز :
ایمیل :
نام اصلی :
کد امنیتی : * کد امنیتیبارگزاری مجدد

موضوعات

پیوند ها

آخرین مطالب

مطالب پربازدید

پیش بینی نرخ نفوذ دستگاه TBM درتونل بلند زاگرس

امتیاز : نتیجه : 0 امتیاز توسط 0 نفر مجموع امتیاز : 0

عنوان مقاله :
پیش بینی نرخ نفوذ دستگاه TBM درتونل بلند زاگرس با استفاده از شبکه عصبی و spss

نویسندگان مقاله :
حسین ابوالحسینی ، دانشجوی کارشناسی ارشد زمین شناسی مهندسی دانشگاه اصفهان
رسول اجل لوئیان ، دانشیار دانشگاه اصفهان
کمال گنجعلی پور ، مهندس مشاور شرکت ساحل
حدیثه منصوری ، دانشجوی دکتری دانشگاه اصفهان
 
چکیده :
تونل انتقال آب نوسود بخشي از طرح انتقال آب به دشت های گرمسيری غرب كشور است كه آب منحرف شده از رودخانه سيروان را به پایين دست منتقل مي كند. اجرای تونل(حفاری و سگمنت گذاری) بصورت مکانيزه و با استفاده از یک دستگاه D.S.TBM انجام مي گيرد. در این مقاه جهت بررسي تاثيرگذاری داده ها از spss و جهت پیش بینی نرخ نفوذ TBM از روش شبکه عصبی استفاده شده است. با استفاده از برنامه spss پارامترهای بدون تاثير یا با تاثير كم شناسایي شده و فقط داده های موثر در نرخ پيشروی به عنوان ورودی به شبکه عصبی داده مي شود. نرخ نفوذ برابر با نرخ پيشروی آني ماشين است و معمولا بر حسب ميلي متر بر دور تاج حفار به صورت معمول با توجه به TBM بیان می شود. پارامترهایي كه برای پيش بيني نرخ نفوذ به عنوان ورودی شبکه مورد بررسي قرار گرفته اند عبارتند از اند از :
مقاومت فشاری تک محوره، شاخص CLI ، سيستم طبقه بندی RMR ، آزمون برزیلي BTS ، SIGMA ، منظورشده اسات. با توجه به خروجي شبکه عصبی ميزان تاثير پارامترهای ورودی به ترتيب: مقاومت فشاری تک محوره سنگ، BTS ، RMR ، شاخص CLI ، SIGMA تاثير گذار است.


نظرات ()

ارزیابی پتانسیل روانگرایی خاک با استفاده از روش طبقه بندی میانگین مرکزی فازی

امتیاز : نتیجه : 0 امتیاز توسط 0 نفر مجموع امتیاز : 0

نظرات ()

کاربرد نتایج آزمایش CPT در برآورد ظرفیت باربری شمع های کوبشی

امتیاز : نتیجه : 0 امتیاز توسط 0 نفر مجموع امتیاز : 0

نظرات ()

بررسی روشهای رگرسیون چندمتغیره خطی و شبکه عصبی مصنوعی

امتیاز : نتیجه : 0 امتیاز توسط 0 نفر مجموع امتیاز : 0

نظرات ()

رده بندی عیوب سطح ورق فولاد با استفاده از شبکه های عصبی

امتیاز : نتیجه : 5 امتیاز توسط 1 نفر مجموع امتیاز : 5

نظرات ()

استفاده از الگوریتم ژنتیک و شبکه های عصبی مصنوعی در بهینه یابی وزنی گنبدها

امتیاز : نتیجه : 0 امتیاز توسط 0 نفر مجموع امتیاز : 0

عنوان مقاله :
استفاده از الگوریتم ژنتیک و شبکه های عصبی مصنوعی در بهینه یابی وزنی گنبدهای مشبک تک لایه فولادی با پیکربندی های مختلف

نویسندگان مقاله :
مهدی بندگی ، کارشناس ارشد سازه دانشکده مهندسی دانشگاه فردوسی مشهد
فرزاد شهابیان ، دانشیار گروه عمران دانشکده مهندسی دانشگاه فردوسی مشهد

چکیده مقاله :
در این مقاله از الگوریتم ژنتیک و شبکه های عصبی مصنوعی برای بهینه یابی وزنی (حداقل) گنبدهای مشبک تک لایه فولادی تحت اثر بارهای ثقلی یکنواخت استفاده شد است ...

نظرات ()

تبلیغات

پیام مدیر

به پایگاه اطلاعات مهندسی عمران خوش آمدید! برای استفاده از مطالب سایت عضو شوید، براي مشاهده ي بهتر سايت از مرورگر اينترنت mozilla firefox استفاده فرماييد ارائه دهنده مقالات مرجع مهندسی عمران، لطفا در هنگام کپی برداری ، مطالب را به نقل از این سایت ذکر کنید.

جستجو


آمار سایت

آمار


آمار کاربران
تعداد اعضا : 1362

کاربران آنلاین

کدهای اختصاصی

آمار بازدید

حامیان سایت

RSS


Powered By
Rozblog.Com

Translate : Tem98.Ir

مطالب تصادفی

نظرسنجی

چه مقطع و گرایشی از رشته عمران هستید؟












کنفرانس ها و همایش ها

آخرین کنفرانس ها و همایش ها