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

مقاله مقاله نشریه

مشخصات مقاله

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:

268
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

دانلود:

578
مرکز اطلاعات علمی Scientific Information Database (SID) - Trusted Source for Research and Academic Resources

استناد:

اطلاعات مقاله نشریه

عنوان

تعیین ویژگی های مؤثر بر پایداری ساختمان خاک های مناطق خشک با استفاده از الگوریتم ترکیبی ژنتیک-شبکه عصبی مصنوعی

صفحات

 صفحه شروع 129 | صفحه پایان 143

چکیده

 پایداری خاکدانه ها به عنوان یکی از کلیدی ترین شاخص های کیفیت فیزیکی خاک, بیان گر قدرت نسبی خاک در برابر نیروهای فرساینده و تخریب مکانیکی است. در این پژوهش, به منظور شناسایی یک زیرمجموعه از مهم ترین ویژگی های مؤثر بر شاخص میانگین وزنی قطر خاکدانه ها (MWD), از الگوریتم ترکیبی ژنتیک-شبکه عصبی مصنوعی (GA-ANN) استفاده گردید. افزون بر آن, قابلیت شبکه های عصبی مصنوعی (ANNs) و رگرسیون چند متغیره خطی (MLR) برای کمی سازی رابطه بین شاخص MWD و ویژگی های خاک مؤثر بر آن, ارزیابی شد. پس از فرآیند مدل سازی, اهمیت هر یک از ویژگی های انتخاب شده در ارتباط با تغییرات مکانی پایداری خاکدانه ها بررسی گردید. به منظور دست یابی به یک مجموعه داده مناسب, شاخص MWD و تعدادی از ویژگی های خاک در نمونه های خاک جمع آوری شده از 90 نقطه مشاهداتی اندازه گیری شدند. نتایج حاصل از انتخاب ویژگی نشان داد که شش ویژگی خاک شامل رس, شن, ماده آلی, کربنات کلسیم معادل, قابلیت هدایت الکتریکی و نسبت جذب سدیم, بیش ترین تأثیر را بر روی شاخص MWD خاک های مورد مطالعه داشتند. با توجه به نتایج به دست آمده از برآورد شاخص MWD, مقادیر محاسبه شده ضریب تبیین (R2), میانگین درصد خطای مطلق (MAEP) و مجذور میانگین مربعات خطا (RMSE) برای عملکرد شبکه عصبی مصنوعی, به ترتیب برابر با 94/0, 39/21 و 075/0 درصد بودند. این نتایج بیان گر آن بود که مدل ANN توسعه داده شده به خوبی توانسته است روابط پیچیده و غیرخطی بین شاخصMWD و ویژگی های خاک انتخاب شده توسط الگوریتم GA-ANN را پیش بینی و کمی سازی کند. بر اساس نتایج به دست آمده از تحلیل حساسیت, کربنات کلسیم معادل, ذرات شن و ماده آلی به عنوان فاکتورهای کلیدی برای تخمین پایداری خاکدانه ها معرفی شدند. به طور کلی, این پژوهش یک چارچوب قوی برای تخمین پایداری خاکدانه ها و شناسایی مهم ترین ویژگی های مؤثر بر آن در خاک های مناطق خشک و نیمه خشک فراهم می کند که می تواند برای سایر مناطق با چالش های مشابه, مورد استفاده قرار گیرد. . .

استنادها

  • ثبت نشده است.
  • ارجاعات

  • ثبت نشده است.
  • استناددهی

    APA: کپی

    کوچمی ساردو، ایرج، شیرانی، حسین، اسفندیارپور بروجنی، عیسی، و بسالت پور، علی اصغر. (1399). تعیین ویژگی های مؤثر بر پایداری ساختمان خاک های مناطق خشک با استفاده از الگوریتم ترکیبی ژنتیک-شبکه عصبی مصنوعی. تحقیقات کاربردی خاک، 8(3 )، 129-143. SID. https://sid.ir/paper/390323/fa

    Vancouver: کپی

    کوچمی ساردو ایرج، شیرانی حسین، اسفندیارپور بروجنی عیسی، بسالت پور علی اصغر. تعیین ویژگی های مؤثر بر پایداری ساختمان خاک های مناطق خشک با استفاده از الگوریتم ترکیبی ژنتیک-شبکه عصبی مصنوعی. تحقیقات کاربردی خاک[Internet]. 1399؛8(3 ):129-143. Available from: https://sid.ir/paper/390323/fa

    IEEE: کپی

    ایرج کوچمی ساردو، حسین شیرانی، عیسی اسفندیارپور بروجنی، و علی اصغر بسالت پور، “تعیین ویژگی های مؤثر بر پایداری ساختمان خاک های مناطق خشک با استفاده از الگوریتم ترکیبی ژنتیک-شبکه عصبی مصنوعی،” تحقیقات کاربردی خاک، vol. 8، no. 3 ، pp. 129–143، 1399، [Online]. Available: https://sid.ir/paper/390323/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