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
در اين تحقيق از روشي نوين با بكارگيري قابليت شبكه عصبي مصنوعي براي پيش بيني رفتار خاك هاي متورم شونده رسي استفاده شده است. در اين روش داده ها با استفاده از انواع آرايش شبكه هاي چند لايه پرسپترون، كه از پركاربردترين نوع شبكه هاي عصبي مي باشد مدل شده اند. نتايج حاصل از اين شبكه ها بر اساس شاخص هاي ارزيابي معرفي گرديده و با يكديگر قياس شده اند كه منجر به انتخاب بهترين آرايش شبكه از لحاظ دقت و كاربرد گرديده است. . لازم به ذكر است كه پارامترهاي رطوبت، انديس خميري، حد رواني، حد خميري، دانسيته خشك و درصد ريزدانه خاك بعنوان پارامتر هاي ورودي و پارامتر هاي فشار تورم و درصد تورم آزاد، هريك بطور جداگانه بعنوان پارامتر خروجي در نظر گرفته شده است. خاك هاي در نظر گرفته شده براي اين شبكه بدليل اينكه از مناطق مختلفي مي باشند، لذا شبكه عصبي فوق قابليت پيش بيني رفتار تورمي انواع خاكهاي رسي را دارا مي باشد. همچنين جهت آموزش سيستم شبكه هاي عصبي مورد تحقيق، از نتايج پژوهشهاي قبلي، دادهاي خام مهندسين مشاور ژئوتكنيك و پايانامه هاي موجود در زمينه خاكهاي متورم شونده استفاده گرديده است.
كلمات كليدي:
تورم، خاكهاي رسي، شبكه عصبي، پرسپترون، پارامترهاي ورودي و خروجي
نویسندگان :
حامد كمك پناه (كارشناس ارشد مهندسي عمران-خاك و پي،دانشكده فني و مهندسي، دانشگاه تربيت مدرس)
سيد شهاب الدين يثربي (استاديار بخش عمران، دانشكده فني و مهندسي، دانشگاه تربيت مدرس، تهران)
علي اكبر گلشني (استاديار بخش عمران، دانشكده فني و مهندسي، دانشگاه تربيت مدرس، تهران)
چهارمين همايش بين المللي مهندسي ژئوتكنيك و مكانيك خاك ايران (1389)
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
