قیمت محصول :     10000 تومان
  افزودن به سبد خرید

سبد خرید

  • سبد خریدتان خالی است.
  • تاریخ ارائه محصول : 09 / 08 / 2019
  • بازدید : 149 بار
  • دسته بندی : ,
  • امتیاز کاربران :

استفاده از شبکه های عصبی مصنوعی در بررسی پایداری لرزه ای سدهای خاکی ناهمگن

بررسی پايداری سدهای خاکی بالاخص ايستايی لرزه ای آنها از اهميت خاصی برخوردار است.روشهای متعددی برای تعيين ضريب اطمينان پايداری سدهای خاکی وجود دارد.

در اين پايان نامه شبكه عصبي مصنوعي براي پيش بيني مقادير ضريب اطمينان و مشخصات سطح لغزش دايره اي بحراني سدهاي خاآي ناهمگن با درنظر گرفتن تأثير نيروي اينرسي زلزله  استفاده شده است.

ورودي هاي مدل شامل ارتفاع سد و آتانژانت زاويه شيب بالا دست ، ضريب زلزله، ارتفاع آب ،پارامترهاي مقاومتي هسته و پوسته و فيلتر و خروجي هاي آن شامل ضريب اطمينان و شعاع دايره لغزش بحراني مي شود. براي آموزش و آزمايش و ارزيابي شبكه از يك بانك اطلاعاتي بدست آمده ازآناليز پايداري سدهاي خاآي ناهمگن با برنامه geo-slope استفاده شده است. در ادامه با بررسي مدل هاي مختلف با تعداد نرون هاي مياني متفاوت و با توجه به شاخص هاي ارزيابي مدل آه شامل ارزيابي آلي و ارزيابي براساس رفتار مي شوند ساختار بهينه مدل از نظر تعداد نرون هاي مياني و مشخصات شبكه و توابع فعاليت آن انتخاب شده است.

شبكه هايي براي تخمين ضريب اطمينان و شعاع دايره لغزش با ورودي هاي مشابه براي پائين دست سد نيز طراحي شده است. پس از آن با انجام آناليز حساسيت روي پارامترهاي ورودي به تعيين ميزان تأثير هرآدام از متغيرهاي ورودي در ضريب اطمينان سد پرداخته شده است.

آناليز انجام شده روی نتايج حاکی از آن است که نيروی اينرسی زلزله تاثير قابل توجهی نسبت به ساير پارامترها در ضريب اطمينان پايداری سد دارد.

فصل اول:

١-۱-پيشگفتار

۱-۲-طبقه بندي سدهاي نوع خاکي

۱-۳-پایداری سد های خاکی

۱-۳-۱-استفاده از شبکه عصبی مصنوعی در بررسی پايداری سدهای خاکی ناهمگن

۱-۴-معرفي شبكه هاي عصبي مصنوعي

۱-۵-تفاوت شبكه هاي عصبي با روش هاي محاسباتي معمول

۱-۶-کاربردهاي شبكه هاي عصبي در پايداري شيب و سدهای خاکی

۱-۷-شرح روش تحقيق

فصل دوم: مقدمه ای بر شبکه هاي عصبي مصنوعي

۲-۱-شبکه عصبي چیست

۲-۲-مزایای شبکه عصبی

۲-۳-مغز انسان

۲-۴-هوش مصنوعی و شبکه های عصبی

۲-۵-مدلهای یک نرون

۲-۶-اقسام توابع محرک

۲-۷-معماری های شبکه

۲-۸-فرآیند یادگیری

۲-۸-۱-یادگیری همراه با معلم

۲-۸-۲-یادگیری بدون معلم

۲-۹-پرسپترون چند لایه

۲-۹-۱-پاره ای از مقدمات و پیش فرضها

۲-۹-۲-الگوریتم پس انتشار

۲-۱۰-نرخ یادگیری

۲-۱۱-معیار توقف

۲-۱۲-تعمیم پذیری

۲-۱۲-۱-توقف زودهنگام

۲-۱۲-۲-نحوه تقسیم بندی داده ها در روش Cross Validation

۱۳-۲-الگوریتمهای مختلف یادگیری در پرسپترونهای چند لایه

۱۴-۲-تعداد زوجهای آموزشی

فصل سوم: ارائه معماری های مختلف برای شبکه و برگزيدن بهترين شبکه

۳-۱-پیشگفتار

۳-۲-معرفی نرم افزار  geo-slope

۳-۳-بانک اطلاعاتی

۳-۳-۱-انتخاب بازه های پارامترهای ورودی

۳-۳-۱-۱-ارتفاع سد

۳-۳-۱-۲-عرض تاج سد

۳-۳-۱-۳-شیب بدنه

۳-۳-۱-۴-ضریب زلزله

۳-۳-۱-۵-عمق آزاد

۳-۳-۱-۶-تعیین ابعاد و شکل هسته در مدل

۳-۳-۱-۷-پارامترهای مقاومتی مصالح تشکيل دهنده لايه های سد ناهمگن

۳-۳-۱-۷-۱-مصالح هسته

۳-۳-۱-۷-۲-مصالح پوسته

۳-۳-۱-۷-۳-مصالح زهکش

۳-۴-تقسیم بندی داده ها

۳-۵-معرفي الگوريتم به آار رفته براي آموزش شبكه ها

۳-۶-شاخصهاي ارزيابي مدل

۳-۶-۱-معيارهاي ارزيابي محلي

۳-۶-۲-معيار ارزيابي بر اساس رفتار

۳-۷-معرفی مدلها

۳-۸-تحليل حساسيت و بررسي نتايج

۳-۸-۱-تحلیل حساسیت

۳-۸-۲-تحليل براساس بزرگاي وزنهاي شبكه

فصل چهارم : نتيجه گيری

۴-۱-خلاصه تحقیق

۴-۲-نتیجه گیری

پيوست ها

پيوست ١

پيوست۲

منابع و ماخذ

فهرست منابع انگليسی

فهرست منابع فارسی

افزودن به سبد خرید
مطلب مفیدی برای شما بود ؟؟ پس به اشتراک بگذارید برای دوستانتان

دیدگاه کاربران ...

    لطفا قبل از ارسال سئوال یا دیدگاه سئوالات متداول را بخونید.
    جهت رفع سوالات و مشکلات خود از سیستم پشتیبانی سایت استفاده نمایید .
    دیدگاه ارسال شده توسط شما ، پس از تایید توسط مدیران سایت منتشر خواهد شد.
    دیدگاهی که به غیر از زبان فارسی یا غیر مرتبط با مطلب باشد منتشر نخواهد شد.

    دیدگاه خود را بیان کنید

0