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

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

نویسندگان مقاله :
روح اله فاطمی کیا ، دانشجوی کارشناسی ارشد، دانشکده فنی مهندسی، دانشگاه رازی
ایمان عشایری ، استادیار گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه رازی
مهنوش بیگلری ، استادیار گروه مهندسی عمران، دانشکده فنی مهندسی، دانشگاه رازی

چکیده :
پدیده كاهش ویا حتي از بين رفتن كامل مقاومت برشي خاک در زمين های ماسه ای غير متراكم واشباع به علت افزایش فشار آب حفره ای ، روانگرایي خاک ناميده مي شود. دراین تحقيق برای نخستين بار به استفاده از روش طبقه بندی ميانگين مركزی فازی به منظور ارزیابي پتانسيل روانگرایي خاكهای اشباع پرداخته مي شود. در این روش وقوع روانگرایي به عنوان یک كميت فازی كه تابع مقدار نسبت تنش تناوبي (CSR) و پارامتر مقاومت برشي بدست آمده از آزمایشهای صحرایي است مورد بررسي و مطالعه قرار مي گيرد. .در این تحقيق از پایگاه داده های معتبر كه شامل مطالعات ميداني آزمایش نفوذ استاندارد و وقوع روانگرایي یا عدم وقوع آن در اثر زلزله های معروف رخ داده در نقاط مختلف دنيا استفاده شده است. در نتيجه استفاده از این روش علاوه بر بيان امکان وقوع روانگرایي بصورت یک كميت فازی، ضریب اطمينان در برابر وقوع یا عدم وقوع روانگرایي بصورت یک كميت فازی بدست ميآید كه به عنوان مزیت اصلي این روش در برابر سایر روشهای سنتي به شمار ميآید.امروزه روشهای هوشمند دیگری برای ارزیابي پتانسيل روانگرایي وجود دارد كه مي توان روش شبکه عصبي مصنوعي و روش تركيبي شبکه عصبي –فازی را نام برد. همچنين به منظور فرآهم آوردن امکانات لازم جهت استفاده دیگر كاربران از این روش، سامانه نرم افزاری پيشرفتهای در محيط ویژوال استودیو و به زبان سي شارپ ( C# ) و با پایگاه داده اس كيو ال سرور (SQL Server) طراحي شده است كه شيوه عملکرد آن نيز مختصرا شرح داده مي شود.


نظرات ()

کاربرد نتایج آزمایش CPT در برآورد ظرفیت باربری شمع های کوبشی

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

عنوان مقاله:
کاربرد نتایج آزمایش CPT در برآورد ظرفیت باربری شمع های کوبشی با استفاده از شبکه ی عصبی مصنوعی

نویسندگان مقاله :
توحيد اخلاقي ، دانشيار مهندسي ژئوتکنيک، دانشکده ی فني و مهندسي عمران، دانشگاه تبریز
فاروق رحيمزاده ، كارشناس ارشد خاک و پي، دانشکده ی فني و مهندسي عمران، دانشگاه تبریز
محمد مردشجاعي نوبری ، دانشجوی كارشناسي ارشد خاک و پي، پردیس بين المللي ارس، دانشگاه تبریز

چکیده :
آزمون نفوذ مخروط (CPT) یکي از آزمونهای درجای خاک ميباشد كه به دليل سادگي، سرعت بالای انجام، هزینه نسبتاً كم، دارا بودن خروجي پيوسته در عمق خاک و نيز به دليل شباهتهای موجود بين مخروط نفوذسنج و شمع، تخمين ظرفيت باربری شمعها یکي از اولين كاربردهای آن به شمار ميرود. دو رویکرد برای استفاده از نتایج CPT در طراحي شمعها وجود دارد. رویکرد مستقيم كه ظرفيت باربری شمع را مستقيماً بر اساس نتایج CPT محاسبه ميكند و رویکرد غير مستقيم كه با استفاده از مشخصات خاک كه از نتایج CPT بدست آمدهاند، ظرفيت باربری شمع را تخمين ميزند. به كارگيری شبکهی عصبي مصنوعي در تخمين ظرفيت باربری شمعها بر اساس نتایج CPT ، در زمرهی رویکردهای مستقيم قرار ميگيرد. در تحقيق حاضر شبکهی عصبي مصنوعي نوع GMDH به عنوان ابزار استحصال رابطهی بين نتایج CPT و ظرفيت باربری شمعها مورد استفاده قرار گرفته است. دادههای مورد استفاده در این تحقيق كه مربوط به 01 شمع بتني پيشساختهی كوبشي ميباشند، از مقالات اا شده جمع آوری گردیدهاند. روش پيشنهادی این تحقيق در نرمافزار MATLAB پياده شده و نتایج به روشهای آماری با نتایج 8 روش شناخته شده مبتني بر نتایج CPT و یک روش تحليل استاتيکي مورد بررسي و ارزیابي قرار گرفته و برای محاسبهی ظرفيت باربری شمعها، مقایسه شده است. تحليلهای آماری و ردهبندی روشها بر اساس معيارهای مختلف آماری، عملکرد بهتر روش پيشنهادی را نسبت به روشهای دیگر بررسي شده در این تحقيق، نشان مي -دهد.

نظرات ()

بررسی روشهای رگرسیون چندمتغیره خطی و شبکه عصبی مصنوعی

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

عنوان مقاله :
بررسی روشهای رگرسیون چندمتغیره خطی و شبکه عصبی مصنوعی جهت تعیین مقاومت فشاری تکم حوری و مدول الاستیسیتهی سنگ کنگلومرا

نویسندگان مقاله :
مجتبی حیدری ، عضو هیئت علمی گروه زمینشناسی دانشگاه بوعلی سینا، همدان
بهروز رفیعی ، عضو هیئت علمی گروه زمینشناسی دانشگاه بوعلی سینا، همدان
مهران نوری ، دانشجوی کارشناسی ارشد زمینشناسی مهندسی گروه زمینشناسی دانشگاه بوعلی سینا، همدان
غلامرضا خانلری ، عضو هیئت علمی گروه زمینشناسی دانشگاه بوعلی سینا، همدان
علی اکبر مومنی ، عضو هیئت علمی گروه زمینشناسی دانشگاه صنعتی شاهرود

چکیده :
تعيين دقيق برخي از خواص مکانيکي سنگها، مانند مقاومت فشاری تک محوری (Uniaxial Compressive Strength, UCS) و مدول الاستيسيته ( E )، به زمان و هزینه قابل توجهي برای جمع آوری و آماده سازی نمونه های مناسب و آزمون های آزمایشگاهي نياز دارد. بنابراین برای به حداقل رساندن زمان و هزینه ميتوان از روابط تجربي كه به طور گستردهای برای برآورد خواص پيچيده سنگها از داده های حاصل از روشهای آسان بهره ميگيرد، استفاده نمود. هدف از این مطالعه بررسي روشهای شبکه عصبي مصنوعي (Artificial Neural Network, ANN) و رگرسيون چندمتغيره خطي (Multiple linear regression, MLR) به منظور برآورد UCS و E ميباشد. متغيرهای مستقل شاخص مقاومت بار نقطه ای (50)Point Load Strength Index, Is ، سرعت موج (Pressure wave velocity, Vp) ، تخلخل ( n )، چگالي (dγ) و درصد رطوبت (water content, Wn) به عنوان پارامترهای ورودی به منظور پيشبيني متغيرهای وابسته ( UCS و E ) در هر دو روش استفاده شده اند. استفاده از شبکه عصبي پرسپترون چندلایه (Multilayer Perceptron, MLP) 1/ ، ضرایب تعيين را تا سطح قابل قبولي بهبود بخشيد. نتایج این مطالعه نشان ميدهد كه روش ANN ، عملکرد بهتری در پيشبيني UCS و E نسبت به روش MLR دارد.


نظرات ()

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

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

عنوان مقاله :
رده بندی عیوب سطح ورق فولاد با استفاده از شبکه های عصبی و شاخص های ساده محاسباتی

نویسندگان :
منصوره نویدپناه ، کارشناسی ارشد دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان
رسول امیرفتاحی ، دانشیار دانشکده مهندسی برق و کامپیوتر دانشگاه صنعتی اصفهان

چکیده :
امروزه بررسی اتوماتیک سطح ورق فولاد یکی از مراحل اساسی در تولید فولا با کیفیت به شمار می رود و اکثر فولاد سازهای جهان بازرسی چشمی توسط اپراتور را با این روش نوین جایگزین نموده اند ...

نظرات ()

بهینه سازی شبکه های دو لایه فولادی توسط الگوریتم ژنتیک

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

عنوان مقاله :
بهینه سازی شبکه های دو لایه فولادی توسط الگوریتم ژنتیک در تعامل با شبکه های عصبی مصنوعی

نویسندگان مقاله :
فرزاد شهابیان ، استادیار گروه عمران دانشکده مهندسی دانشگاه فردوسی مشهد
محمدحسین ابوالبشری ، دانشیار گروه عمران دانشکده مهندسی دانشگاه فردوسی مشهد
سیدمسعود احمدی ، کارشناس ارشد دانشکده مهندسی دانشگاه فردوسی مشهد

چکیده :
در طراحی بهینه سازه های فضا کار به دلیل پر عضو بودنشان نسبت به سازه های دیگر ، زمان زیاد تری برای تحلیل ، طراحی و یا تعیین وزن آنها مورد نیاز می باشد...

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 : 1339

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