به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

teaching-learning optimization algorithm

در نشریات گروه عمران
تکرار جستجوی کلیدواژه teaching-learning optimization algorithm در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه teaching-learning optimization algorithm در مقالات مجلات علمی
  • هادی فتاحی*، فرشاد ملک محمودی، حسین قائدی
    به علت وجود مشکلات در ارزیابی تغییر شکل توده سنگ های درزه دار در مقیاس آزمایشگاهی، می توان برای در نظر گرفتن اثر مقیاس و درزه ها از روش های مختلف آزمایش برجا مانند آزمایش بارگذاری صفحه ای و دیلاتومتری استفاده کرد. اگر چه این روش ها در حال حاضر بهترین هستند، اما گران، زمان بر و دارای مشکلات عملیاتی در حین اجرا هستند. بنابراین در این مقاله برای غلبه بر این مشکلات، از الگوریتم های جدید جستجوی هارمونی (HS) و الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (TLBO) برای تخمین غیرمستقیم مدول تغییرشکل پذیری توده سنگ استفاده شده است. در این مدل ها از امتیاز رده بندی توده سنگ (RMR)، مقاومت فشاری تک محوره سنگ بکر (UCS)، عمق (D) و مدول الاستیسیته سنگ بکر (Ei) به عنوان پارامترهای ورودی و از مدول تغییرشکل پذیری توده سنگ (Em) به عنوان پارامتر خروجی استفاده شده است. در این مقاله، با استفاده از شاخص های آماری مختلف، مدل ایجادشده توسط الگوریتم ها، ارزیابی و اعتبارسنجی می شود. نتایج ارزیابی نشان داد که دقت رابطه برای الگوریتم جستجوی هارمونی با استفاده از شاخص های R2 و VAF حدود 93/0-91/0 و درصد خطا با استفاده از شاخص های RMSE وMSE  بین 0042/0-000017/0 است هم چنین دقت رابطه برای الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری با استفاده از روش R2 و VAF حدود 95/0-92/0 و درصد خطا با استفاده از شاخص های RMSE وMSE  بین 0032/0-000010/0 به دست آمد.
    کلید واژگان: مدول تغییرشکل پذیری، الگوریتم جستجوی هارمونی، الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری، توده سنگ
    Hadi Fattahi *, Farshad Malekmahmoudi, Hossein Ghaedi
    Due to the difficulties in assessing the deformation of jointed aggregates at the laboratory scale, various in situ testing methods such as plate loading test and dilatometry can be used to consider the effect of scale and joints. Although these methods are currently the best, they are expensive, time consuming, and have operational difficulties during implementation. Therefore, in this paper, to overcome these problems, new harmony search algorithms (HS) and teaching-learning optimization algorithm (TLBO) are used to indirectly estimate the modulus of rock mass deformation. In these models, the rock mass classification score (RMR), uniaxial compressive strength of virgin rock (UCS), depth (D) and the modulus of elasticity of intact rock (Ei) as input parameters and the modulus of rock mass deformability (Em) as output parameter Used. In this paper, Using different statistical indicators, the model created by the algorithms is evaluated and validated. The evaluation results showed that the relationship accuracy for the harmonic search algorithm using R2 and VAF methods is about 0.91-0.93 and using the RMSE and MSE methods is between 0.000017-0.0042. Also, the relationship accuracy for the optimization algorithm Based on teaching and learning using R2 and VAF methods, about 0.92-0.95 and using RMSE and MSE methods were between 0.00001- 0.0032.
    Keywords: Deformation of modulus, harmony search algorithm, teaching-learning optimization algorithm, rock mass
نکته
  • نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
  • کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
  • در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
درخواست پشتیبانی - گزارش اشکال