جستجو در تالارهای گفتگو

ارايه مدل تخمين عدد رواني با استفاده از پارامترهاي مارشال و نتايج آزمايش مقاومت کششي غيرمستقيم نویسندگان: ديواندري حسن*, مدرس امير, رستمي انکاس مسعود, حسيني علي آباد سيدمسعود رشد سريع آمد و شد، به ويژه تکرار بارگذاري ناشي از عبور وسايل نقليه سنگين، کيفيت نامناسب مخلوط هاي آسفالتي و نرسيدن به تراکم مورد نياز، باعث ايجاد خرابي هاي متفاوت در روسازي هاي انعطاف پذير مي شود. يکي از مهم ترين انواع خرابي هاي روسازي هاي آسفالتي، تغييرشکل هاي دائمي مي باشد که با نام شيارشدگي شناخته مي شوند. شيارشدگي به واسطه تجمع تغييرشکل هاي دائمي و برگشت ناپذير در لايه هاي روسازي تحت تکرار بارگذاري ترافيکي به وجود مي آيد. در ميان تمام لايه هاي مختلف سهيم در شيارشدگي، تغييرمکان دائمي در لايه سطحي روسازي بخش عمده اي از شيارشدگي را به خود اختصاص مي دهد. به همين دليل در ارايه طرح اختلاط مناسب، توجه به پتانسيل بروز تغييرشکل هاي دائمي مخلوط هاي آسفالتي که نشانه ضعف مقاومت برشي در آسفالت است، امري ضروري تلقي مي گردد. از طرفي مشخص شده است که عددرواني نشانگر آغاز تغييرشکل هاي برشي در مخلوط هاي آسفالتي است که به عنوان شاخصي در ارزيابي پتانسيل شيارشدگي اين روسازي شناخته مي شود. در اين پژوهش سعي شده است تا با ساخت نمونه هايي آسفالتي به روش مارشال که طيف وسيعي از مصالح سنگي، قير، دانه بندي، فيلر و درصد قير را شامل مي شود، با توسعه يک رابطه ميان عددرواني به دست آمده از آزمايش خزش ديناميکي با مقاومت کششي ناشي از آزمايش کشش غير مستقيم و پارامترهاي حاصل از طرح اختلاط مارشال، ضمن صرفه جويي در هزينه هاي اجرايي، بدون صرف زمان اضافي، وضعيت شيارشدگي مخلوط مورد نظر را پيش بيني نمود. اين رابطه که صحت آن توسط شبکه عصبي مصنوعي نيز مورد تاييد قرارگرفته است، اين امکان را به وجود مي آورد تا از توليد آسفالت با مقاومت برشي پايين در مرحله آزمايشگاهي و پيش از توليد کارخانه اي جلوگيري گردد. بدين ترتيب صرفه جويي چشمگيري در زمان و هزينه هاي آتي طرح اختلاط به وجود خواهد آمد. كليد واژه: شيارشدگي، عدد رواني، خزش ديناميکي، مقاومت کششي غيرمستقيم، شبکه عصبي منبع: [Hidden Content] دانلود: [Hidden Content] 68413940206.pdf

بکارگيري محاسبات نرم در سامانه هاي اطلاعات مکاني به منظور مدل سازي هاي مکاني (مورد مطالعاتي: تهيه نقشه پتانسيل معدني) نویسندگان: اصلاني محمد*, طالعي محمد * دانشکده مهندسي نقشه برداري، دانشگاه صنعتي خواجه نصيرالدين طوسي كليد واژه: سيستم استنتاج گر فازي، الگوريتم ژنتيک، شبکه عصبي، سيستم اطلاعات مکاني، نقشه پتانسيل معدني منبع: [Hidden Content] دانلود: [Hidden Content] 7002413940102.pdf

ارزيابي جامع مدل سازي هندسي تصاوير ماهواره اي Worldview-2 با روش هاي هوشمند و کلاسيک نویسندگان: باقري حسين*, صادقيان سعيد, ميلان لك اصغر تعيين و بررسي مدل هاي تصحيح هندسي و زمين مرجع نمودن تصاوير ماهواره اي با توجه به رونق استفاده از آن ها در بسياري از زمينه ها در ده هاي اخير به شدت مورد توجه قرار گرفته و به عنوان يکي از موضوعات مهم در فتوگرامتري و سنجش از دور مطرح است. در اين مطالعه با استفاده از روش هاي مختلف مدلسازي به تصحيح هندسي تصوير ماهواره اي Worldview-2 پرداخته و سعي گرديده است تا يک ارزيابي جامع از قابليت روش هاي مختلف در مدلسازي تصوير اين ماهواره در منطقه شهري مانند تهران بدست آيد. همچنين اثر تعداد و توزيع نقاط کنترل در روش هاي مدلسازي مورد مطالعه قرار گرفته است و در نهايت تصحيح هندسي با استفاده از توابع رشنال با دقت بالايي در حدود 0.36 متر حاصل گرديد. علاوه بر روش هاي معمول از روش هاي هوش مصنوعي نظير الگوريتم ژنتيک و شبکه هاي عصبي به منظور بهينه سازي استفاده گرديد و با استفاده از شبکه پرسپترون با 4 نرون در لايه مياني دقت 0.71 پيکسل حاصل گرديد و در نهايت مشخص شد که با استفاده از اين الگوريتم ها مي توان مدل هاي موجود را بهينه کرد و نتايج بهتري را نسبت به روش هاي معمول بدست آورد. منبع: [Hidden Content] دانلود: [Hidden Content] 7002413930308.pdf

شناسايي گردو غبار در تصاوير ماهواره اي MODIS با استفاده از روش هاي ماشين بردار پشتيبان، شبکه عصبي مصنوعي و درخت تصميم گيري نویسندگان: شهريسوند محسن*, آخوندزاده هنزائي مهدي, سوري اميرحسين يکي از مهمترين بلاياي طبيعي که طي ساليان اخير مورد توجه قرار گرفته، پديده گرد و غبار است. در سال هاي اخير اين پديده در ايران ابعاد تازه اي گرفته و از يک معضل محلي، به مساله اي ملي تبديل شده است. شناسايي و تشخيص طوفان گردوغبار اولين مرحله در بررسي و پايش آن مي باشد. اين تحقيق با هدف شناسايي مناطق داراي گردوغبار از تصاوير ماهواره اي، در منطقه خاورميانه انجام گرفته است. در بررسي پديده گردوغبار تصاوير سنجنده MODIS با توجه به قدرت تفکيک زماني و طيفي مناسب، از اهميت ويژه اي برخوردار مي باشند. در اين مطالعه با استفاده از روش هاي طبقه بندي درخت تصميمگيري، شبکه عصبي مصنوعي (ANN) و ماشين هاي بردار پشتيبان (SVM) تلاش شده است که گردوغبار در تصاوير ماهواره اي MODIS تشخيص داده شود، که روش طبقه بندي ماشين هاي بردار پشتيبان به عنوان يک ايده جديد مطرح شده است. به علاوه به منظور بررسي دقت هر سه روش بکار برده شده، از محصول (AOD(Aerosol Optical Depth سنجنده OMI استفاده شده است، که نتايج نشان دهنده دقت و صحت بالاتر روش SVM نسبت به ساير روش ها مي باشد. با توجه به نتايج بدست آمده، اين الگوريتم قادر به شناسايي گردوغبار در هر دو منطقه خشکي و آب به طور همزمان مي باشد و مي تواند جايگزين مناسبي براي محصول (AOT(Aerosol Optical Thickness توليد شده براي گردوغبار توسط ناسا (NASA) باشد. منبع: [Hidden Content] دانلود: [Hidden Content] 7002413930311.pdf