فایل ورد کامل کاربرد شبکه‌های عصبی مصنوعی در تحلیل پایداری لرزه‌ای سدهای خاکی ناهمگن و بررسی رفتار سازه‌ای

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 فایل ورد کامل کاربرد شبکه‌های عصبی مصنوعی در تحلیل پایداری لرزه‌ای سدهای خاکی ناهمگن و بررسی رفتار سازه‌ای دارای ۱۴۳ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد فایل ورد کامل کاربرد شبکه‌های عصبی مصنوعی در تحلیل پایداری لرزه‌ای سدهای خاکی ناهمگن و بررسی رفتار سازه‌ای  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

این پروژه توسط مرکز فایل ورد کامل کاربرد شبکه‌های عصبی مصنوعی در تحلیل پایداری لرزه‌ای سدهای خاکی ناهمگن و بررسی رفتار سازه‌ای۲ ارائه میگردد

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی فایل ورد کامل کاربرد شبکه‌های عصبی مصنوعی در تحلیل پایداری لرزه‌ای سدهای خاکی ناهمگن و بررسی رفتار سازه‌ای،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن فایل ورد کامل کاربرد شبکه‌های عصبی مصنوعی در تحلیل پایداری لرزه‌ای سدهای خاکی ناهمگن و بررسی رفتار سازه‌ای :

فایل ورد کامل کاربرد شبکه‌های عصبی مصنوعی در تحلیل پایداری لرزه‌ای سدهای خاکی ناهمگن و بررسی رفتار سازه‌ای

مقدمه

امروزه استفاده از شبکه های عصبی مصنوعی در انواع مسائل مهندسی روندی رو به افزایش داشته است . در این میان می توان کاربرد فراوان آن را در شاخه های مختلف مهندسی عمران نام برد.

مروری بر مقالات و فایلاتی که در سالهای اخیر انتشار یافته است گواهی بر این عملکرد موفق در طیف وسیعی از مسائل از جمله مباحث مربوط به پیش بینی خیز سازه ها[۱۴]، تحلیل و طراحی و آنالیز دینامیکی آن ها[۲] ،تخمین مدل بارندگی_رواناب [۱۸]، برآورد حداکثر عمق آب شستگی حول آب شکنها [۱۹] , ارزیابی مقاومت بتن در جا[۲۰]،پیش بینی حجم ترافیک [۲۱]، برنامه ریزی حمل و نقل [۲۲]، پیش بینی ظرفیت شمع ها[۳] ،نشست

فونداسیونها[۴]، سازه های حائل خاک [۵]، تزریق پی سدها[۲۳]وتحلیل شیب ها و شیروانی هاا[۱۶] و[۱۷]می باشد.در صورت اثبات توانایی شبکه عصبی مصنوعی در پیش بینی مقادیر ضریب اطمینان و مشخصات قوس لغزش بحرانی در بررسی پایداری سدهای خاکی ناهمگن می توان از نتایج آن در طراحی اولیه این سدها به عنوان جایگزین سایر روشها استفاده نمود.

طبقه بندی سدهای نوع خاکی

سدهای خاکی برحسب کمیت و کیفیت مصالح به کاربرده شده و نیز متناسب با روش ساخت طبقه بندی می شوند . از نظر مصالح مورد استفاده ،سدهای خاکی به سه گروه به شرح زیر

تقسیم می شوند :

الف )سدهای خاکی همگن

ب )سدهای خاکی ناهمگن ( منطقه بندی شده )

ج )سدهای سنگریزه ای با غشای نفوذ ناپذیر یا سدهای خاکی غشایی

در این فایل مطالعات بر روی سدهای خاکی ناهمگن متمرکز گردیده است .

پایداری سدهای خاکی

پایداری سدهای خاکی از دو دیدگاه استاتیکی و لرزه ای مورد توجه قرار می گیرد. در بحث پایداری استاتیکی روشهای مختلفی برای تحلیل شیب ها وجود دارد که هر کدام بر پایه فرضیات اولیه ای بنا نهاده شده است .آنالیز لرزه ای سدهای خاکی نیز از دوحیث شبه استاتیکی و دینامیکی بررسی می گردد.

استفاده از شبکه عصبی مصنوعی در بررسی پایداری سدهای خاکی ناهمگن

دراین سعی شده است تا از روش شبکه عصبی مصنوعی به عنوان روشی جایگزین سایر روشها مانند روشهای عددی برای تحلیل پایداری سدهای خاکی ناهمگن استفاده شود.

بدین گونه که ابتدا با استفاده ازروشهای تعادل حدی پایداری شیب و سپس با روش شبه استاتیکی پایداری لرزه ای سد خاکی ناهمگن تحلیل می گردد.آنگاه نتایج حاصله به صورت داده های اولیه در اختیار شبکه عصبی مصنوعی قرار داده میشود. شبکه با استفاده از این نتایج تربیت شده و از این پس میتواند به عنوان جایگزینی برای روشهای فوق باشد .

فایل ورد کامل کاربرد شبکه‌های عصبی مصنوعی در تحلیل پایداری لرزه‌ای سدهای خاکی ناهمگن و بررسی رفتار سازه‌ای
فهرست مطالب

عنوان صفحه

چکیده

مقدمه

فصل اول :

۱-۱-پیشگفتار………………………………………………………………………۱

۱-۲-طبقه بندی سدهای نوع خاکی ………………………………………………….۲

۱-۳-پایداری سدهای

خاکی ……………………………………………………………………………….۲

۱-۳-۱-استفاده از شبکه عصبی مصنوعی در بررسی پایداری سدهای خاکی ناهمگن ..۲

۱-۴-معرفی شبکه های عصبی مصنوعی ……………………………………………۳

۱-۵-تفاوت شبکه های عصبی با روش های محاسباتی معمول ………………………۴

۱-۶-کاربردهای شبکه های عصبی در پایداری شیب و سدهای خاکی ………………..۴

۱-۷- شرح روش فایل ………. …………………………………………………..۶

فصل دوم : مقدمه ای بر شبکه های عصبی مصنوعی

۲-۱- شبکه عصبی

چیست ……………………………………………………………………………….۷

۲-۲- مزایای شبکه های عصبی …………………………………………………….۸

۲-۳- مغز انسان ……………………………………………………………………۹

۲-۴ – هوش مصنوعی وشبکه های عصبی …………………………………………۱۱

۲-۵- مدلهای یک نرون ……………………………………………………………۱۲

۲-۶- اقسام توابع تحریک …………………………………………………………..۱۶

۲-۷- معماری های شبکه …………………………………………………………..۲۱

۲- ۸ – فرآیند یادگیری ………………………………………………………………۲۶

۲-۸-۱- یادگیری همراه با معلم ……………………………………………………..۲۷

۲-۸-۲- یادگیری بدون معلم …………………………….. …………………………۲۸

۲-۹- پرسپترون چند لایه ……………………………………………………………۲۹

۲-۹-۱- پاره ای از مقدمات و پیش فرضها………………………………………….۳۱

۲-۹-۲- الگوریتم پس انتشار ……………………………………………………….۳۳

۲-۱۰- نرخ یادگیری ………………………………………………………………..۴۲

۲-۱۱- معیار توقف ………………………………………………………………..۴۳

۲-۱۲- تعمیم پذیری ………………………………………………………………..۴۴

۲-۱۲-۱-توقف زودهنگام …………………………………………………………..۴۶

۲-۱۲-۲- نحوه تقسیم بندی داده ها در روش Cross validation………………..48

۲-۱۳- الگوریتمهای مختلف یادگیری در پرسپترونهای چند لایه ……………………۴۸

۲-۱۴- تعداد زوجهای آموزشی ……………………………………………………..۵۰

فصل سوم : ارائه معماری های مختلف برای شبکه و برگزیدن بهترین شبکه

۳-۱-پیشگفتار……………………………………………………………………….۵۲

۳-۲-معرفی نرم افزار geo-slope……………………………………………….52

۳-۳-بانک اطلاعاتی ………………………………………………………………..۵۳

۳-۳-۱-انتخاب بازه های پارامترهای ورودی ………………………………………۵۴

۳-۳-۱-۱-ارتفاع سد ………………………………………………………………..۵۴

۳-۳-۱-۲-عرض تاج سد……………………………………………………۵۵

۳-۳-۱-۳-شیب بدنه …………………………………………………………۵۷

۳-۳-۱-۴-ضریب زلزله ……………………………………………………۵۹

۳-۳-۱-۵-عمق آزاد………………………………………………………..۵۹

۳-۳-۱-۶-تعیین ابعاد و شکل هسته در مدل …………………………………۶۱

۳-۳-۱-۷-پارامترهای مقاومتی مصالح تشکیل دهنده لایه های سد ناهمگن

۶۳…………………………………………………. ……………………….

۳-۳-۱-۷-۱-مصالح هسته …………………………………………………۶۳

۳-۳-۱-۷-۲-مصالح پوسته ………………………………………………..۶۷

۳-۳-۱-۷-۳-مصالح زهکش ………………………………………………..۶۷

۳-۴-تقسیم بندی داده ها……………………………………………………..۶۸

۳-۵- معرفی الگوریتم به کار رفته برای آموزش شبکه ها…………………..۶۸

۳-۶-شاخصهای ارزیابی مدل ……………………. ……………………….۷۰

۳-۶-۱-معیارهای ارزیابی محلی ……………………………………………۷۰

۳-۶-۲-معیار ارزیابی بر اساس رفتار……………………………………….۷۳

۳-۷-معرفی مدلها ………………………………………………………….۷۵

۳-۸-تحلیل حساسیت و بررسی نتایج ……………………………………….۸۵

۳-۸-۱-تحلیل حساسیت ……………………………………………………..۸۵

۳-۸-۲-تحلیل براساس بزرگای وزنهای شبکه ……………………………….۸۶