close
تبلیغات در اینترنت
خرید دامنه
مقاله بررسی روشهای رگرسیون چندمتغیره خطی و شبکه عصبی مصنوعی جهت تعیین
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

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.





برای استفاده از مطالب سایت عضو شوید


براي نمايش ادامه اين مطلب بايد عضو شويد !
نام کاربری :
رمز عبور :
تکرار رمز :
ایمیل :
نام اصلی :
کد امنیتی : *

اگر قبلا ثبت نام کرديد ميتوانيد از فرم زير وارد شويد و مطلب رو مشاهده نماييد !
نام کاربری :
رمز عبور :

نظرات ()

مطالب مرتبط


ارسال نظر برای این مطلب


نام
ایمیل (منتشر نمی‌شود) (لازم)
وبسایت
:) :( ;) :D ;)) :X :? :P :* =(( :O @};- :B /:) :S
نظر خصوصی
مشخصات شما ذخیره شود ؟ [حذف مشخصات] [شکلک ها]
کد امنیتیرفرش کد امنیتی


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 : 1373

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