کاربرد شبکه عصبی مصنوعی در پیش بینی رفتار تورمی خاکهای رسی
در این پژوهش از قابلیت شبکه عصبی مصنوعی برای پیش بینی رفتار خاک های متورم شونده رسی استفاده شده است. در این روش داده ها با استفاده از انواع آرایش شبکه های چند لایه پرسپترون، که از پرکاربردترین نوع شبکه های عصبی است مدل شده اند. نتایج حاصل از این شبکه ها بر اساس شاخص های ارزیابی معرفی شد و با یکدیگر مقایسه شده اند که منجر به انتخاب بهترین آرایش شبکه از لحاظ دقت و کاربرد شده است. لازم به گفتن است که پارامترهای رطوبت، اندیس خمیری، دانسیته خشک و درصد ریزدانه خاک به عنوان پارامتر های ورودی و پارامتر درصد تورم آزاد بعنوان پارامتر خروجی در نظر گرفته شده است. از آنجاکه خاک پس شبکه عصبی فوق قابلیت پیش بینی رفتار تورمی انواع، های در نظر گرفته شده برای این شبکه از مناطق مختلفی انتخاب شده است خاک های رسی را دارد. همچنین برای آموزش سیستم شبکه های عصبی مورد پژوهش، از نتایج پژوهش های قبلی، داده های خام مهندسین مشاور ژئوتکنیک و پایان نامه های موجود در زمینه خاک های متورم شونده استفاده شده است.
تورم ، خاکهای رسی ، شبکه عصبی ، پرسپترون
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.