• تحلیل و مقایسه نتایج حاصل از کاربرد شبکه عصبی مصنوعی در برآورد شاخص فشردگی خاک های ریزدانه با روش های تجربی وجود (مطالعه موردی استان کرمانشاه)

    جزئیات بیشتر مقاله
    • تاریخ ارائه: 1390/01/01
    • تاریخ انتشار در تی پی بین: 1390/01/01
    • تعداد بازدید: 682
    • تعداد پرسش و پاسخ ها: 0
    • شماره تماس دبیرخانه رویداد: -
    یکی از پارامترهای بسیار مهم در تعیین میزان نشست پذیری خاک های ریزدانه، شاخص فشردگی (cc) می باشد. این مقاله دربر گیرنده روشی بر مبنای شبکه های عصبی مصنوعی در تعیین شاخص فشردگی خاک های ریزدانه دست نخورده در استان کرمانشاه می باشد. از مناطق مختلف شهر و استان کرمانشاه در مجموع 82 نمونه دست نخورده تهیه گردید و شاخص یاد شده از طریق آزمایش تحکیم و ترسیم منحنی آزمایشگاهی e-logp اندازه گیری شد. این نمونه ها عموما رس بیش تحکم یافته با خاصیت خمیرایی مختلفی (کم تا زیاد) بودند. شبکه عصبی مصنوعی مورد استفاده از نوع پرسپترون چند لایه با قانون یادگیری پس از انتشار و تکنیک حداقل مربعات خطا می باشد که در آن این کمیت مکانیکی و مهم خاک با ایجاد نگاشتی غیرخطی بین پارامترهای موثر بر آن از قبیل عیار پوکی اولیه (eo)، رطوبت اولیه i)، حد روانی خاک (ll)، شاخص خمیرائی (pi) و چگالی ویژه (gs) نمونه خاک دست نخورده تعیین می گردد. مقایسه نتایج حاصل از شبکه عصبی با چندین روش تجربی موججود از قبیل ترزاقی (1948)، نیشیدا (1956)، رندون-هررو (1983)، پارک و کوموتو (2004) و احدیان (1383) نشان داد که شبکه عصبی مصنوعی قادر است با دقت بسیار بالاتری شاخص فشردگی خاک را در مقایسه با روابط تجربی در منطقه کرمانشاه تعیین نماید. به گونه ای که متوسط خطای مطلق شبکه عصبی در مرحله آزمون حتی کمتر از نصف متوسط خطای نسبی نزدیک روش به آن یعنی روش ناگاراج و مورتی است. در حالی که مجذور ضریب همبستگی روش شبکه عصبی حدود 6 برابر روش مذکور می باشد. همچنین نتایج نشان داد که هیچ کدام از روش های تجربی برای برآورد شاخص فشردگی خاک های استان کرمانشاه مناسب نمی باشند.

سوال خود را در مورد این مقاله مطرح نمایید :

با انتخاب دکمه ثبت پرسش، موافقت خود را با قوانین انتشار محتوا در وبسایت تی پی بین اعلام می کنم
مقالات جدیدترین رویدادها