فایل مدل پیش بینی مکانی ظرفیت باربری خاک با استفاده از شبکه های عصبی مصنوعی

توضیحات

فایل مدل پیش بینی مکانی ظرفیت باربری خاک با استفاده از شبکه های عصبی مصنوعیاین پایان نامه در قالب فرمت word قابل ویرایش ، آماده پرینت و ارائه به عنوان پروژه پایانی میباشد. چکیده : ظرفیت باربری مجاز یا ظرفیت باربری مطمئن عبارت از یک فشار مجازی است که محدوده اطمینانی را در برابر فروریختگی ناشی از گسیختگی برشی تأمین می کند و معمولاً ظرفیت باربری مجاز کسری از ظرفیت باربری نهایی خالص می باشد که باربری نهایی خالص نیز حداکثر تنش فشاری است که خاک می تواند تحمل کند. با این توصیف، مبنای اصلی احداث هر بنای، تعیین دقیق ظرفیت باربری خاک بوده و باید بطور دقیق مشخص گردد. با عنایت به زمان بر و پرهزینه بودن روش های مرسوم(در جا و آزمایشگاهی) برای تعیین ظرفیت باربری خاک، در این تحقیق نشان خواهیم داد که به کمک شبکه های عصبی مصنوعی می توان ظرفیت باربری خاک را در حد قابل قبول و مورد اطمینان، پیش بینی کرد. برای رسیدن به بهترین جواب سه مدل شبکه عصبی مصنوعی پس انتشار1، لایه برگشتی2 و همبستگی آبشاری3 مورد تجزیه و تحلیل قرار داده ایم. بر اساس نتایج بدست آمده بهترین شبکه، یعنی مدل شبکه عصبی مصنوعی همبستگی آبشاری برای پیش بینی مکانی ظرفیت باربری خاک در محدوده مورد مطالعه انتخاب و پیشنهاد می گردد. کلمات کلیدی : ظرفیت باربری خاک، شبکه عصبی مصنوعی، همبستگی آبشاری 1- Feed-Forward backpropagation 2- Layer Recurrent 3- Cascade-Forward backpropagation فهرست مطالب عنوان صفحه فصل اول : کلیات 1-1 مقدمه ........................................................................................................................................................... 2 1-2 بیان مسئله .................................................................................................................................................. 4 1-3 ضرورت و اهمیت موضوع ........................................................................................................................ 5 1-4 هدف تحقیق .............................................................................................................................................. 6 1-5 سوال اصلی ................................................................................................................................................. 6 1-6 فرضیات پژوهش ........................................................................................................................................ 6 1-7 متغیرها ........................................................................................................................................................ 7 1-8 روش تحقیق ............................................................................................................................................... 10 فصل دوم : مبانی نظری و پیشینه تحقیق 2-1 مقدمه ................................................................................................................................................................... 12 2-2 تاریخچه ................................................................................................................................................................ 12 فصل سوم : روش ها و مواد 3-1 مقدمه .................................................................................................................................................................... 18 3-2 معرفی متدولوژی و روش انجام کار ................................................................................................................. 19 3-3 شبکه های عصبی مصنوعی ............................................................................................................................. 20 3-4 جنبه های ریاضیاتی ......................................................................................................................................... 23 3-5 یادگیری شبکه .................................................................................................................................................. 24 آ فهرست مطالب عنوان صفحه 3-6 پس انتشار ........................................................................................................................................................... 26 3-6-1 الگوریتم پس انتشار ............................................................................................................................... 27 3-7 الگوریتم های درهم آمیختن درجه بندی شده ............................................................................................ 33 3-8 تابع شعاع مبنا ..................................................................................................................................................... 34 3-9 الگوریتم همبستگی آبشاری .............................................................................................................................. 36 3-10 شبکه های عصبی مصنوعی بازگشت کننده یا بازرخدادگر ..................................................................... 38 3-11 نقشه های ویژگی خودسازمان دهنده .......................................................................................................... 39 3-12 جنبه های مهم مدلسازی شبکه عصبی مصنوعی ...................................................................................... 41 3-12-1 انتخاب متغیرهای ورودی و خروجی ............................................................................................ 41 3-12-2 جمع آوری و پردازش داده ............................................................................................................. 42 3-12-3 طراحی شبکه عصبی مصنوعی ....................................................................................................... 43 3-12-4 آموزش و آموزش متقابل ................................................................................................................ 45 3-12-5 تصدیق اعتبار مدل ..................................... ...................................................................................... 47 3-13 برخی مشکلات دیگر ........................................................................................................................................ 47 3-14 نقاط قوت و محدودیتها .................................................................................................................................... 48 3-15 برخی از قابلیتهای شبکه های عصبی در مهندسی عمران ....................................................................... 50 ب فهرست مطالب عنوان صفحه 3-16 کاربرد شبکه های عصبی مصنوعی در بهینه سازی سازه ها .................................................................... 50 3-17 معرفی نرم افزار Matlab .............................................................................................................................. 51 3-18 مراحل مدل سازی ............................................................................................................................................ 53 فصل چهارم : نتایج مدل شبکه ی عصبی مصنوعی برای پیش بینی مکانی ظرفیت باربری خاک 4-1 مقدمه ...................................................................................................................................................................... 56 4-2 کاربرد شبکه عصبی مصنوعی در مهندسی عمران ......................................................................................... 56 4-2-1 کاربرد شبکه های عصبی مصنوعی در بهینه سازی سازه ها ........................................................ 57 4-3 محدوده مورد مطالعه ........................................................................................................................................... 57 4-4 روند انجام مدل سازی ......................................................................................................................................... 60 4-4-1 پارامترهای مورد استفاده .................................................................................................................... 61 4-4-2 مرتب سازی داده ها ............................................................................................................................. 62 4-4-3 مشخصات مدل شبکه عصبی مصنوعی جهت پیش بینی مکانی ظرفیت باربری خاک ........... 64 4-4-4 ارزیابی مدل ها ....................................................................................................................................... 66 4-4-4-1 ساخت مدل ........................................................................................................................... 66 4-4-4-2 شبکه پس انتشار FFBP ................................................................................................. 66 4-4-4-3 شبکه لایه برگشتی LRN .............................................................................................. 70 پ فهرست مطالب عنوان صفحه 4-4-4-4 شبکه همبستگی آبشاری CFBP ................................................................................ 72 فصل پنجم : بحث و نتیجه گیری 5-1 ارزیابی شبکه های عصبی مصنوعی برای پیش بینی ظرفیت باربری خاک ............................................ 78 5-2 نتیجه گیری .......................................................................................................................................................... 81 5-3 پیشنهادات ............................................................................................................................................................ 82 5-4 منابع ..................................................................................................................................................................... 83 ت فهرست اشکال عنوان صفحه شکل 1-1 : محدوده شهری مورد مطالعه، شهر آذرشهر .......................................................................................... 8 شکل 1-2 : موقعیت قرار گیری شهرستان آذرشهر ................................................................................................... 9 شکل 3-1 : پیکربندی شبکه عصبی مصنوعی سه لایه ای Feed-Forward ................................................ 22 شکل 3-2: دیاگرام شماتیک از گره j ......................................................................................................................... 23 شکل 3- 3: نمایی کلی از محیط کار نرم افزار Matlab ..................................................................................... 52 شکل 4-1 : موقعیت جفرافیایی شهرستان آذرشهردرایران]سایت ویکی پدیا[ ............................................... 58 شکل 4-2: محدوده شهری ، شهر آذرشهر]گوگل ارت[ ......................................................................................... 59 شکل 4-3: شماتیک کلی هندسه مدل شبکه عصبی مصنوعی ]نرم افزار متلب] ........................................... 65 شکل 4-4 : مشخصات کامل مدل شبکه عصبی Feed-forward backpropagation ........................ 68 شکل 4-5 نمودار ضریب همبستگی، مدل طراحی شده Feed-forward backpropagation با 2 لایه مخفی و 5 نورون ............................................................................................................................................................ 69 شکل 4-6: شماتیک مدل طراحی شده در مدل شبکه Layer Recurrent [نرم افزار متلب] ................. 71 شکل 4-7: شماتیک مدل طراحی شده در مدل شبکه Cascade-forward backpropagation .... 73 شکل 4- 8: نمودار ضریب همبستگی، مدل طراحی شدهCascade-forward backpropagation ... 74 ث فهرست اشکال عنوان صفحه شکل 5-1: نمودار صحت سنجی برای مدل FFBP .............................................................................................. 79 شکل 5-2: نمودار صحت سنجی برای مدل CFBP .......................................................................................... 80 شکل 5-3: نمودار صحت سنجی برای مدل LRN ................................................................................................ 80 شکل 5-4: نمودار صحت سنجی برای تمامی مدل های طراحی شده .............................................................. 81 چ فهرست جداول عنوان صفحه جدول 4-1: اطلاعات نرمال شده مورد نیاز برای طراحی شبکه عصبی مصنوعی ............................................ 63 ادامه جدول 4-1: اطلاعات نرمال شده مورد نیاز برای طراحی شبکه عصبی مصنوعی ................................. 64 جدول 4-1: نتایج مدل سازی با مدل شبکه FFBP .......................................................................................... 70 جدول 4-2: نتایج مدل سازی با مدل شبکه LRN ............................................................................................ 72 جدول 4-3: نتایج مدل سازی با مدل شبکه CFBP ......................................................................................... 75 جدول 4-4: مقایسه نتایج انواع مدل سازی با شبکه های CFBP ، FFBP , LRN ................................ 76 جدول 5-1: اطلاعات شبکه های مختلف با تعداد لایه مخفی و تعداد نورون در لایه مخفی ...................... 78 جدول 5-2: خروجی حاصل از شبکه های مختلف در مدل های طراحی شده ................................................ 79 ح 1-1مقدمه خاک از قدیمی ترین و پیچیده ترین مصالح مهندسی است. نیاکان ما خاک را به عنوان مصالح ساختمانی جهت ساخت مقبره ها، محافظت از سیل و پناهگاه ها بکار می بردند. در تمدن غرب ، از رومی ها به عنوان تشخیص دهنده اهمیت خاک ها در پایداری سازه ها نام برده اند. مهندسان رومی، به ویژه ویتروویوس (Vitruvius) که در یک قرن قبل از میلاد خدمت می کرد، به انواع خاک ها (ماسه، شن و غیره ...) و طراحی و ساختمان پی های صلب توجه زیادی نمود. آن موقع هیچ مبنای تئوریک برای طراحی وجود نداشت و به تجربه حاصل از آزمون و خطا اکتفا می شد.[1] کولمب (1773) به عنوان اولین کسی شناخته شده است که جهت حل مسائل خاک از علم مکانیک استفاده کرده است. از اوایل قرن بیستم، با رشد سریع شهرها، صنعت و تجارت، ظهور سیستم های ساختمانی مختلف نظیر آسمان خراش ها، ساختمان های عمومی بزرگ، سدها برای تولید برق و مخازن برای تهیه آب و آبیاری، تونل ها، جاده ها و خطوط آهن، تجهیزات بندری، پل ها، فرودگاه ها و باندها، معادن، بیمارستان ها، سیستم های بهداشتی، سیستم های زهکشی و برج ها برای سیستم های ارتباطاتی ضروری می گردد. 2 این سیستم ها به پی های پایدار و اقتصادی نیاز دارند، اکنون سوالات جدیدی درباره خاک ها مطرح گردید. به عنوان مثال وضعیت تنش در یک توده خاک چگونه است؟ چگونه می توان یک پی مطمئن و اقتصادی طراحی نمود؟ یک ساختمان چقدر نشست خواهد کرد؟ و پایداری سازه های ساخته شده بر روی یک خاک یا در درون آن چگونه است؟ برای پاسخ دادن به این سوالات روشهای خاصی نیاز بود و نتیجتاً مکانیک خاک متولد شد. کارل ترزاقی(1963-1883) پدر غیر قابل انکار مکانیک خاک می باشد. انتشار کتاب ایشان بنام ' Erdbaumechanik' در سال 1925 پایه مکانیک خاک را پی ریزی نمود و اهمیت خاک را در فعالیت های مهندسی آشکار کرد. مکانیک خاک که به نام ژئوتکنیک یا ژئومکانیک نیز نامیده می شود، کاربرد مکانیک مهندسی در حل مسائلی که با خاک به عنوان بستر پی و مصالح ساختمانی سروکار دارد می باشد. مکانیک مهندسی برای فهم و تفسیر خواص، رفتار و عملکرد خاک ها به کار می رود. [1] مکانیک خاک زیر مجموعه مهندسی ژئوتکنیک است و شامل کاربرد مکانیک خاک،زمین شناسی و هیدرولیک برای تحلیل و طراحی سیستم های ژئوتکنیکی نظیر سدها، خاک ریزها، تونل ها، کانال ها، آبراه ها، پی پل ها، جاده ها، ساختمان ها و سیستم های دفن مواد زائد جامد می باشد. در هر کاربرد مکانیک خاک به علت تغییر خاک ها تغییر لایه های آنها، ترکیبات آنها و خواص مهندسی، عدم اطمینان وجود دارد. لذا مکانیک مهندسی می تواند فقط بخشی از جواب ها را برای مسائل خاک بدهد. تجربه و محاسبات تقریبی برای کاربرد موفق مکانیک خاک در مسائل عملی بسیار اساسی می باشد. [1]