پس از انتخاب کلید عضویت در انتهای صفحه جدیدی که باز خواهد شد، اطلاعات خود را تکمیل و عضویت خود را تایید نمایید
درباره وب سايت
مرجع آموزش زمین شناسی، سنجش از دور، معدن و عمران
جامع ترین و معتبرترین آموزش برای نرم افزار های زمین شناسی، مهندسی معدن، ژئومکانیک (مکانیک سنگ و ژئوتکنیک)، عمران (خاک و پی)
............................................
رزومه مدرسان:دانشجویان کارشناسی ارشد و دکترا رشته های مهندسی معدن و عمران دانشگاه صنعتی امیرکبیر (پلی تکنیک) تهران
جهت آموزش حضوری و غیر حضوری (آنلاین و تهیه فیلم آموزشی) نرم افزار ها با شماره های زیر تماس حاصل فرمایید............................................
09157330367-09381295869 اسمعیلی-مدیریت وبسایت........ ................................................ در صورتی که موفق نشدید با شماره های فوق تماس حاصل فرمایید از طربق ایمیل زیر نیز می توانید در خواست خودتان را مطرح نمایید.......................................
raminesmaeili68@gmail.com
...................این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد. همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران است
خبرنامه
براي اطلاع از آپيدت شدن وبلاگ در خبرنامه وبلاگ عضو شويد تا جديدترين مطالب به ايميل شما ارسال شود
اولین پکیج آموزشی کنکور دکتری مکانیک سنگ معدن (+پاسخ تشریحی سوالات 11 دوره اخیر کنکور) خرید آنلاین بیش از 55 ساعت فیلم آموزشی و دانلود بلافاصله پس از خرید
ارائه یک مدل شبکه عصبی جهت تخمین مدول تغییر شکل پذیری توده سنگ
شبکۀ عصبي مصنوعي از الگوی شب ه ك ی عصبي انسان شبيه سازی شده است، به گونه ای كه مي تواند پس از آموزش، پارامترهای خروجي مورد نظر را با اعمال پارامترهای ورودی برآورد نمايد. در اين پژوهش، با استفاده از معادلات رگرسيوني بدست آمده از سدرودبار واقع در اليگودرز لرستان، از ساختار شب ه ك ی عصبي پرسپترون با الگوريتم آموزشي ماركوآ رت - لونبرگ استفاده شد تا ميزان مدول تغيير شکل پذيری توده سنگ را تخمين بزند. نتايج نشان داد كه نرون های عصبي ايجاد شده قادرند مدول تغيير شکل پذيری را با دقت نسبتاً بالايي برآورد نمايند. همچنين، در مقايسه با معادلات رگرسيوني موجود، مدل های شب ه كعصبي ارائه شده در معادلات چند متغيره عملکرد مناسب تری دارند.
کلمات کلیدی:
مدول تغییر شکل پذیری، شبکه عصبی مصنوعی، پرسپترون چند لایه،معادلات رگرسیونی، توده سنگ
نویسندگان :
سید مهدی قاسمی (یزد، بافق، دانشگاه آزاد اسلامی واحد بافق)
جواد غلام نژاد (یزد، بافق، دانشگاه آزاد اسلامی واحد بافق)
مدیریت ریسک ژئوتکنیکی با استفاده از شبکه عصبی مصنوعی
وضعيت پيچيده و مبهم زمين در هنگام ساخت فضاهای زیرزميني بوجود آورنده ابهامات و عدم قطعيت های زیادی مي باشد كه در صورت رخداد ممکن است موجب وارد آمدن خسارات مادی و معنوی بر ذینفعان پروژه شود. مدیریت ریسک ژئوتکنيکي مي تواند در كاهش این امر یاریگر باشد. همچنين هوش مصنوعي به عنوان روشي كه مي تواند محاسبات پيچيده را حذف نماید امری قابل توجه و در حال توسعه مي باشد. این مقاله، امتيازهای مدیریت ریسک ژئوتکنيکي را به روش نيمه كمي مورد توجه قرار داده و با استفاده از آن ،(ANN) با استفاده از شبکه عصبي مصنوعي یک مدل مبتني بر هوش مصنوعي،كه در یک پروژه حفاری تونل مترو به روش مکانيزه انجام گرفته است را مورد بررسي قرار مي دهد.
کلمات کلیدی:
شبکه عصبی مصنوعی، مدیریت ریسک ژئوتکنیکی، پرسپترون چند لایه، عوامل خطرزا، تونلساز ی
نویسندگان :
حمیدرضا اشتری (ایران، دانشگاه آزاد اسلامی واحد بافق)
جواد غلام نژاد (ایران، دانشکده معدن و متالورژی دانشگاه یزد)
این سایت در ستاد ساماندهی پایگاه های اینترنتی به ثبت رسیده است و تمامی محصولات و خدمات این سایت حسب مورد دارای مجوز های لازم از مراجع مربوطه می باشد همچنین فعالیت های این سایت تابع قوانین و مقررات جمهوری اسلامی ایران می باشد.
عضو شوید
عضویت سریع
آمار
مطالب
آمار بازدید
