پایان نامه ارشد عمران پیش بینی مکانی ظرفیت باربری خاک با استفاده از شبکه های عصبی مصنوعی

پایان نامه های عمران

عنوان کامل این پایان نامه :

 مدل پیش بینی مکانی ظرفیت باربری خاک با استفاده از شبکه های عصبی مصنوعی

تکه هایی از متن :

 

5-2 نتیجه گیری

با توجه به نتایج بدست آمده از مدل های طراحی شده و با مقایسه نتایج مشاهداتی و جدول 5-1، بهترین شبکه عصبی مصنوعی برای پیش بینی مکانی ظرفیت باربری خاک، مدل شبکه عصبی مصنوعی همبستگی (CFBP )آبشاری می باشد که با کمترین خطا حدود 0.0167و با ضریب همبستگی 0.97 می باشد.

با توجه به نتایج مدل های شبکه های عصبی مصنوعی می توان بیان نمود که:

  • با توجه به قدرت و کارآیی شبکه های عصبی مصنوعی می توان موقعیت مکانی ظرفیت باربری خاک را با دقت بسیار بالایی پیش بینی کرد.

5-3 پیشنهادات

  • می توان برای تمامی مناطق ( تحقیق حاضر فقط در سطح شهرستان آذرشهر بود) از مدل شبکه عصبی مصنوعی همبستگی آبشاری برای پیش بینی مکانی ظرفیت باربری خاک استفاده نمود.
  • می توان برای بهبود کارآیی شبکه عصبی مصنوعی از تعداد ورودی های بیشتر از قبیل عمق گمانه، نوع خاک گمانه، ارتفاع از سطح دریا، ضرایب فشار و … استفاده کرد، تا آموزش شبکه و در نتیجه آن ارزیابی و کارآیی شبکه بهبود یابد.
  • می توان برای بهبود کارآیی مدل طراحی شده و بالا بردن اعتماد به شبکه از تعداد ورودی بیشتری از نتایج آزمایشات صورت گرفته برای آموزش و ارزیابی شبکه استفاده نمود.
  • می توان برای بهبود کارآیی مدل طراحی شده ورودیهای شبکه را اصلاح نمود.
  • با توجه به کارآیی شبکه های عصبی مصنوعی، توصیه می گردد در مناطقی که قبلاً آزمایشات ژئوتکنیک صورت گرفته، بجای حفر گمانه ی جدید و صرف هزینه و زمان، از مدل های شبکه عصبی مصنوعی برای پیش بینی ظرفیت باربری خاک استفاده نمایند.
  • با توجه به اینکه مدل های شبکه های عصبی مصنوعی طراحی شده قادر هستند با دقت بالایی ظرفیت باربری مکانی را پیش بینی کنند، مسئولین امر در ساخت و ساز و نظارت می توانند برای صحت سنجی و راستی آزمایی کارهای صورت گرفته جهت تعیین ظرفیت باربری خاک از مدل ارائه شده استفاده نمایند.

متن کامل پایان نامه در لینک زیر:

aroow-down-thesis-8

 دانلود متن کامل پایان نامه رشته عمران با فرمت ورد :مدل پیش بینی مکانی ظرفیت باربری خاک با استفاده از شبکه های عصبی مصنوعی

این نوشته در دسته‌بندی نشده ارسال شده است. افزودن پیوند یکتا به علاقه‌مندی‌ها.