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:

618
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

0
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

پیش بینی نشست زمین در تونل سازی مکانیزه با استفاده از مدل شبکه عصبی مصنوعی-الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی و انفیس مبتنی بر روش های خوشه بندی

صفحات

 صفحه شروع 55 | صفحه پایان 84

چکیده

 بیشینه ی نشست سطح زمین یکی از پارامترهای مهم در عملیات حفاری مکانیزه از نوع متعادل کننده ی فشار زمین (EPB) است که قبل از حفاری باید تعیین شود. زمانی که مدل سازی بسیار پیچیده می شود, روش های هوش مصنوعی به عنوان یک راه حل استفاده می شوند. این روش ها در ابتدا با استفاده از داده های واقعی آموزش می بینند و سپس به پردازش اطلاعات ناشناخته می پردازند. در این پژوهش برای پیش­ بینی نشست زمین در تونل سازی مکانیزه از نوع EPB از روش های هوش مصنوعی سیستم استنتاج تطبیقی عصبی-فازی (انفیس) و ترکیب شبکه ی عصبی مصنوعی با الگوریتم بهینه­ سازی مبتنی بر جغرافیای زیستی استفاده شده است. در این پژوهش دو مدل انفیس شامل انفیس-خوشه بندی کاهشی و انفیس-خوشه بندی C-means فازی استفاده شده است. برای اثبات توانایی روش های مذکور از داده های پروژه مترو بانکوک, تایلند استفاده شده است. در این مدل ها پارامترهای عمق, فاصله تا سینه کار, سطح آب زیرزمینی, متوسط فشار پشت کاتر, متوسط نرخ نفوذ, زاویه ای که درزه ها با سینه کار می سازند, فشار تزریق و درصد پرشدگی تزریق به عنوان ورودی و بیشینه ی نشست سطح زمین به عنوان خروجی درنظر گرفته شده است. برای بررسی عملکرد مدل ها از دو شاخص آماری ضریب تعیین (R2) و میانگین مربعات خطا استفاده شده است که نهایتاً انفیس-خوشه بندی کاهشی بهترین عملکرد را در بین سایر مدل ها داشته است.

استنادها

  • ثبت نشده است.

    • ارجاعات

  • ثبت نشده است.

    • استناددهی

    APA: کپی

    فتاحی، هادی، و بیات زاده فرد، زهره. (1397). پیش بینی نشست زمین در تونل سازی مکانیزه با استفاده از مدل شبکه عصبی مصنوعی-الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی و انفیس مبتنی بر روش های خوشه بندی. زمین شناسی مهندسی، 12(5 (ویژه نامه انگلیسی))، 55-84. SID. https://sid.ir/paper/186323/fa

    Vancouver: کپی

    فتاحی هادی، بیات زاده فرد زهره. پیش بینی نشست زمین در تونل سازی مکانیزه با استفاده از مدل شبکه عصبی مصنوعی-الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی و انفیس مبتنی بر روش های خوشه بندی. زمین شناسی مهندسی[Internet]. 1397؛12(5 (ویژه نامه انگلیسی)):55-84. Available from: https://sid.ir/paper/186323/fa

    IEEE: کپی

    هادی فتاحی، و زهره بیات زاده فرد، “پیش بینی نشست زمین در تونل سازی مکانیزه با استفاده از مدل شبکه عصبی مصنوعی-الگوریتم بهینه سازی مبتنی بر جغرافیای زیستی و انفیس مبتنی بر روش های خوشه بندی،” زمین شناسی مهندسی، vol. 12، no. 5 (ویژه نامه انگلیسی)، pp. 55–84، 1397، [Online]. Available: https://sid.ir/paper/186323/fa

    مقالات مرتبط نشریه ای

    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