پیش بینی نشست پی های سطحی برروی خاک های دانه ای بااستفاده از برنامه نویسی چندعبارتی (MEP)

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
به واسطه ی طبیعت ناهمگون خاک های غیرچسبنده و پیچیدگی پارامترهای موثر در نشست، پیش بینی دقیق نشست پی معمولا با دشواری های بسیاری همراه است. این موضوع از گذشته مدنظر پژوهشگران مختلفی بوده است و برخی محققان نیز معادلاتی برای پیش بینی نشست پی سطحی ارایه کرده اند. به دلیل عدم دقت کافی این روابط، پژوهشگران از روش های جدیدتری از جمله اجزای محدود، تفاضل محدود، محاسبات نرم و... برای پیش بینی نشست استفاده می کنند. در پژوهش حاضر مدل جدیدی بااستفاده از هوش مصنوعی برای پیش بینی نشست ارایه می گردد. هدف از توسعه ی این گونه مدل ها ایجاد فرمول هایی دقیق تر و درصورت امکان ساده تر می باشد. در این مقاله عملکرد الگوریتم برنامه نویسی چندعبارتی (Multi expression programming) برای پیش بینی نشست پی های سطحی واقع بر خاک دانه ای مورد بررسی قرار می گیرد و مقادیر به دست آمده از مدل های جدید با دقیق ترین مدل های قبلی، مقایسه می شوند. سپس تحلیل عملکرد، مطالعه ی پارامتری، تحلیل حساسیت و ارزیابی ضریب اطمینان انجام می گردد. همان طور که از نتایج مشخص است، مقایسه بین مدل MEP و دقیق ترین مدل ها شامل ANN، GP، GEP و EPR در ادبیات فنی نشان می دهد که مدل پیشنهادی در این مطالعه، با ضریب هم بستگی 45/93 درصد عملکرد بهتری نسبت به اکثر مدل های توسعه یافته قبلی دارد.
زبان:
فارسی
صفحات:
19 تا 34
لینک کوتاه:
magiran.com/p2340742 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • 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.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!