پروژه آموزشی ارائه یک مدل نروفازی بهینه به منظور پیش بینی حساسیت خاک رس با متلب

عنوان پروژه: ارائه یک مدل نروفازی بهینه به منظور پیش بینی حساسیت خاک رس با متلب
نرم افزار مورد استفاده: متلب
فرمت: m.
فایل راهنما: دارد(9 صفحه)
عنوان مقاله مرجع:

An Optimized Artificial Neural Network Structure to Predict Clay Sensitivity in a High Landslide Prone Area Using Piezocone Penetration Test (CPTu) Data: A Case Study in Southwest of Sweden

دانلود رایگان مقاله مرجع

پس از خرید، بلافاصله فایلهای شبیه سازی مقاله با نرم افزار متلب برای شما ایمیل خواهد شد.
فایلهای پروژه به صورت 100% تست شده و تمامی فایل ها سالم می باشد.

توضیحات

ارائه یک مدل نروفازی بهینه به منظور پیش بینی حساسیت خاک رس با متلب

هدف از این پروژه به دست آوردن یک مدل نوروفازی بهینه شده به منظور پیش بینی پارامتر Clay Sensitivity با استفاده از نرم افزار متلب است. داده های مربوطه به پیوست ارسال شده اند.

هدف، به دست آوردن یک مدل نوروفازی از این داده ها و مقایسه نتایج حاصل شده با نتایج مقاله ارسال شده به پیوست است. مدل ارائه شده در مقاله ی پیوست با استفاده از همین داده های موجود در پوشه ی پیوست به دست آمده اما روش کار مورد استفاده در مقاله پیوست فقط بر مبنای شبکه عصبی بوده است.

روش مورد نظر برای ایجاد مدل نوروفازی روش Sugeno است.

ارائه یک مدل نروفازی بهینه به منظور پیش بینی حساسیت خاک رس با متلب

همگنی و ایزوتروپیک دو ویژگی است که برای بسیاری از مواد مانند فولاد، بتن و چوب در طراحی مهندسی عمران مورد توجه قرار می گیرند (شاهین و همکاران، 2001، پارک 2011). اگرچه برای خاک ها ثابت شده است که با توجه به پیچیدگی شکل گیری زمین شناسی که باعث فرایندهای فیزیکی نامنظم می شود، خواص مهندسی ژئوتکنیکی خاک رفتارهای متنوع و نامطمئن را نشان می دهد (Jaksa 1995). بنابراین توسعه مدل های تحلیلی یا تجربی در بعضی از شرایط ساده امکان پذیر است؛ با این حال مدل هایی که عملی تر و ارزان تر از آنهایی هستند که مورد علاقه هستند (شاهین و همکاران، 2001، پارک 2011).

ارائه یک مدل نروفازی بهینه به منظور پیش بینی حساسیت خاک رس با متلب توسط کارشناسان گروه ۱.۲.۳ پروژه پیاده سازی گردیده و به تعداد محدودی قابل فروش می باشد.