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


در حال بارگذاری
۳ اردیبهشت ۱۳۹۷
pdf
2.49MB
133
236 بازدید
۱۷۵۰۰ تومان
خرید

has been added to your cart!

have been added to your cart!

بررسی پایداری سدهای خاکی بالاخص ایستایی لرزه ای آنها از اهمیت خاصی برخوردار است.روشهای متعددی برای تعیین ضریب اطمینان پایداری سدهای خاکی وجود دارد.

در این پایان نامه شبکه عصبی مصنوعی برای پیش بینی مقادیر ضریب اطمینان و مشخصات سطح لغزش دایره ای بحرانی سدهای خاآی ناهمگن با درنظر گرفتن تأثیر نیروی اینرسی زلزله  استفاده شده است.

ورودی های مدل شامل ارتفاع سد و آتانژانت زاویه شیب بالا دست ، ضریب زلزله، ارتفاع آب ،پارامترهای مقاومتی هسته و پوسته و فیلتر و خروجی های آن شامل ضریب اطمینان و شعاع دایره لغزش بحرانی می شود. برای آموزش و آزمایش و ارزیابی شبکه از یک بانک اطلاعاتی بدست آمده ازآنالیز پایداری سدهای خاآی ناهمگن با برنامه geo-slope استفاده شده است. در ادامه با بررسی مدل های مختلف با تعداد نرون های میانی متفاوت و با توجه به شاخص های ارزیابی مدل آه شامل ارزیابی آلی و ارزیابی براساس رفتار می شوند ساختار بهینه مدل از نظر تعداد نرون های میانی و مشخصات شبکه و توابع فعالیت آن انتخاب شده است.

شبکه هایی برای تخمین ضریب اطمینان و شعاع دایره لغزش با ورودی های مشابه برای پائین دست سد نیز طراحی شده است. پس از آن با انجام آنالیز حساسیت روی پارامترهای ورودی به تعیین میزان تأثیر هرآدام از متغیرهای ورودی در ضریب اطمینان سد پرداخته شده است.

آنالیز انجام شده روی نتایج حاکی از آن است که نیروی اینرسی زلزله تاثیر قابل توجهی نسبت به سایر پارامترها در ضریب اطمینان پایداری سد دارد.

فصل اول:

١-۱-پیشگفتار

۱-۲-طبقه بندی سدهای نوع خاکی

۱-۳-پایداری سد های خاکی

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

۱-۴-معرفی شبکه های عصبی مصنوعی

۱-۵-تفاوت شبکه های عصبی با روش های محاسباتی معمول

۱-۶-کاربردهای شبکه های عصبی در پایداری شیب و سدهای خاکی

۱-۷-شرح روش تحقیق

فصل دوم: مقدمه ای بر شبکه های عصبی مصنوعی

۲-۱-شبکه عصبی 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 برگزیدن بهترین 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 تشکیل دهنده لایه 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-معرفی الگوریتم به آار رفته برای آموزش شبکه ها

۳-۶-شاخصهای ارزیابی مدل

۳-۶-۱-معیارهای ارزیابی محلی

۳-۶-۲-معیار ارزیابی بر اساس رفتار

۳-۷-معرفی مدلها

۳-۸-تحلیل حساسیت و بررسی نتایج

۳-۸-۱-تحلیل حساسیت

۳-۸-۲-تحلیل براساس بزرگای وزنهای شبکه

فصل چهارم : نتیجه گیری

۴-۱-خلاصه تحقیق

۴-۲-نتیجه گیری

پیوست ها

پیوست ١

پیوست۲

منابع و ماخذ

فهرست منابع انگلیسی

فهرست منابع فارسی

  راهنمای خرید:
  • لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
  • همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
  • ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
  • در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید یا فایل دانلود شده مغایر با عنوان پایان نامه خریداری شده بود اینجا کلیک کنید و مورد را از طریق فرم مغایرت اطلاع دهید تا رفع اشکال گردد.