فایل مدل پیش بینی مکانی ظرفیت باربری خاک با شبکه های عصبی مصنوعی
دسته بندي :
کالاهای دیجیتال »
رشته عمران و نقشه برداری (آموزش_و_پژوهش)
این 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
- Feed-Forward backpropagation
- Layer Recurrent
- Cascade-Forward backpropagation
فهرست مطالب
عنوان صفحه
فصل اول : کلیات
- مقدمه ...........................................................................................................................................................2
- بیان مسئله ..................................................................................................................................................4
- ضرورت و اهمیت موضوع ........................................................................................................................5
- هدف تحقیق ..............................................................................................................................................6
- سوال اصلی .................................................................................................................................................6
- فرضیات پژوهش ........................................................................................................................................6
- متغیرها ........................................................................................................................................................7
- 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