پایان نامه عمران با موضوع همبستگی آبشاری

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 :

 

1-2بیان مسأله

یکی از مسائل مهم در مهندسی ژئوتکنیک تعیین ظرفیت باربری پی ها برای شرایط مختلف لایه های زیر پی می باشد.  ظرفیت باربری خاک مقدار تنش تماسی میانگین بین خاک و شالوده است که به گسیختگی برشی خاک منجر می شود. تنش باربری مجاز مقدار ظرفیت باربری است که به وسیله ضریب اطمینان کاسته شده است. بعضی مواقع در محل‌هایی با خاک نرم، خاک زیر شالوده می‌تواند نشست‌های زیاد بدون گسیختگی برشی حقیقی داشته باشد. در بعضی موارد، تنش باربری مجاز با توجه به حداکثر نشست مجاز محاسبه می‌شود. [1]

تعیین ظرفیت باربری خاک زیر پی ها از دیر باز مورد توجه پژوهشگران و طراحان حوزه ژئوتکنیک قرار داشته است و به همین علت طرح آن به عنوان یک مسئله جدید تلقی نمی شود اما کاربرد روشهای جدید محاسباتی و آزمایش مدلهای پیشنهادی برای خاک و پیشرفت رایانه ها، دیدگاههای جدیدی را در حوزه این موضوع مطرح می سازد که تلاش های جدید را در این زمینه توجیه می نماید.

ظرفیت باربری نهایی پی تابع مقاومت برشی خاک می باشد که توسط ترزاقی، مایرهوف، وسیک و دیگران با استفاده از روش های مختلف تخمین زده شده است. اخیراً، برای جلوگیری از صرف زمان و هزینه بسیار زیاد و انجام آزمایشات متعدد، گرایش به سمت ابزارهای کامپیوتری که مشابه با سیستم بیولوژیکی (شبه بیولوژیکی) باشند افزایش یافته است.

یکی از اساسی‌ترین مسائل مکانیک خاک حساب‌کردن ضریب اطمینان در مقابل گسیختگی نهایی یک توده ی خاک می‌باشد که در مهندسی پی منجر به تعیین ظرفیت باربری نهایی پی می‌شود. براساس قضایای حالات حدی جواب دقیق هنگامی به دست می‌آید که جواب حد بالا و حد پایین یکسان باشند. برای پایدارکردن حد پایین، یک میدان تنش صحیح که در هیچ نقطه از محدوده ی مسئله معیار تسلیم را نقض ننماید در نظر گرفته می‌شود و براساس آن ظرفیت نهایی محاسبه می‌گردد. حال آنکه، برای پیداکردن حد بالا مکانیزمی قابل قبول برای گسیختگی فرض گردیده و جواب مربوطه با استفاده از تساوی کار نیروهای داخلی و خارجی تعیین می‌گردد.[4]

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:

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