پایان نامه رشته عمران با موضوع: شبکه 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 :

 

1-3 ضرورت و اهمیت موضوع

ظرفیت باربری مجاز یا ظرفیت باربری مطمئن عبارت از فشاری مجازی است که محدوده اطمینانی را در برابر فروریختگی ناشی از گسیختگی برشی برای ساختمان تأمین می کند و معمولاً ظرفیت باربری مجاز کسری ازظرفیت باربری نهایی خالص می باشدکه باربری نهایی خالص نیزحداکثر فشاری است که خاک می تواند علاوه بر فشار حاصل از لایه های فوقانی تحمل کند.[1] با این توصیف، مبنای اصلی احداث بنا، تعیین دقیق

ظرفیت باربری خاک بوده و باید بطور دقیق مشخص گردد که نوع و میزان مصالح و همچنین نحوه ادامه کار و... برای احداث بنا مشخص گردد.

1-4 هدف تحقیق

با توجه به اهمیتی که ظرفیت باربری خاک در احداث هر سازه ایی دارد، تعیین دقیق آن امری اجتناب ناپذیر می باشد و هدف اصلی تحقیق فوق، پیش بینی مکانی ظرفیت باربری خاک به کمک شبکه های عصبی مصنوعی می باشد. و هدف از استفاده از شبکه های عصبی مصنوعی برای تعیین ظرفیت باربری می تواند، کاهش هزینه ها و کاهش مدت زمان تعیین دقیق ظرفیت باربری و ... باشد .

1-5 سوال اصلی

  • آیا با استفاده از شبکه های عصبی مصنوعی می توان در موقعیت مکانی مشخص ظرفیت باربری خاک را تعیین نمود؟
  • متن کامل در سایت امید فایل 

  • تا چه اندازه می توان به جوابهای حاصل از شبکه های عصبی مصنوعی در تعیین ظرفیت باربری خاک اطمینان نمود؟

1-6 فرضیات پژوهش

  • پیش بینی مکانی ظرفیت باربری خاک به کمک شبکه های عصبی مصنوعی با دقت بسیار بالایی امکان پذیر می باشد.
  • با افزایش داده های ورودی (نتایج آزمایشات ژئوتکنیک صورت گرفته) می توان درجه اطمینان به شبکه عصبی طراحی شده را بالاتر برد.

1-7 متغیرها

متغیرهای مستقل این مدل سازی شامل مختصات جغرافیایی وعرض پی می باشند. که از بانک اطلاعاتی سازمان نظام مهندسی ساختمان شهرآذرشهر تهیه گردیده است.

متغییر وابسته ظرفیت باربری مجاز بر حسب کیلوگرم بر سانتی متر مربع است که توسط مدل های شبکه عصبی مصنوعی که در نرم افزار Matlab  طراحی خواهند شد، برآورد می گردد.

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

Related posts: