مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

video

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

sound

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

نسخه انگلیسی

مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

بازدید:

49
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

7
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تخمین تزریق پذیری خاک های دانه ای با به کارگیری داده های آزمایشگاهی و چند روش طبقه بندی هوشمند

صفحات

 صفحه شروع 31 | صفحه پایان 39

چکیده

 تزریق پذیری یک پارامتر بااهمیت در عملیات تزریق است و پیش بینی صحیح آن منجر به انتخاب مناسب مواد سیال تزریق شونده می شود. این پارامتر در اکثر مواقع با روش های تجربی تخمین زده می شود و پیش بینی را با خطا همراه می کند. در این تحقیق سعی شد به منظور ساخت و صحت سنجی چند مدل داده کاوی در حوضه ی طبقه بندی, مجموعه ای از داده های آزمایشگاهی در عملیات تزریق موجود در چندین منبع به کار گرفته شود. مدل های طبقه بندی بکار گرفته شده در نرم افزار Orange شامل روش های ماشین بردار پشتیبان, شبکه عصبی مصنوعی, نزدیک ترین همسایگی, جنگل تصادفی و بیزین ساده می باشند. در این مدل ها, متغیرهای ورودی عبارت است از: نسبت آب به سیمان در دوغاب تزریق شونده, دانسیته نسبی خاک, فشار تزریق, درصد ریزدانه خاک, نسبت قطر ذرات خاک که 15 درصد وزنی نمونه از آن کوچک تر است به قطر ذرات سیال تزریقی که 85 درصد وزنی نمونه از آن کوچک تر است (N1=D15 soil/D85 grout و N2=D10 soil/D95 grout). پس از مدل سازی, نتایج نشان می دهد که مدل های بکار گرفته شده به خوبی رابطه ی بین تزریق پذیری و عوامل مؤثر آن را تعریف می کنند و از دقت بالایی در تخمین تزریق پذیری خاک های دانه ای برخوردار هستند. با توجه به ماتریس کارایی مدل ها, مدل شبکه عصبی مصنوعی با دقت 0/86 درصد و مدل نزدیک ترین همسایگی با دقت 0 /85درصد عملکرد بهتری نسبت به سایر روش ها دارند. بعلاوه در بررسی اهمیت متغیرهای ورودی بر اساس شاخص های امتیازدهی, متغیرهای N2 و N1 تأثیرگذارترین متغیرها در روند پیش بینی صحیح تزریق پذیری هستند.

چندرسانه ای

  • ثبت نشده است.

    • استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    مقالات مرتبط نشریه ای

  • ثبت نشده است.

    • مقالات مرتبط همایشی

  • ثبت نشده است.

    • طرح های مرتبط

  • ثبت نشده است.

    • کارگاه های پیشنهادی






    بازگشت به بالا
    telegram sharing button
    whatsapp sharing button
    linkedin sharing button
    twitter sharing button
    email sharing button
    email sharing button
    email sharing button
    sharethis sharing button