جستجو در تالار
در حال نمایش نتایج برای برچسب های 'سطح آب زیرزمینی'.
2 نتیجه پیدا شد
-
دوستان سلام توی یه پروژه ای،سازه نگهبان ما پایلهای بتنی به ارتفاع شش متر هست، موقع حفاری با دستگاه حفاری شمع، از دومتری سطح زمین تا عمق شش متر که در واقع کف شمعهای ما هستند آب وجود داره یعنی سطح آب زیرزمینی بالاست. قطر شمع ها هم 45 سانتی متر هستش. سوال من راجع به بتن ریزی این چاه های شمع هاست، متاسفانه امکان پمپاژ آب نیست، میخواستم بپرسم به نظرتون میشه همینطور بتن رو داخل چاه ها ریخت و با توچه به اینکه بتن از آب سنگینتر هستش، آب بالا میاد و جاشو بتن میگیره و درواقع آب میریزه بیرون و تخلیه میشه یا اینکه این روش درست نیست؟ نظر شما غیر از پمپاژ همزمان آب و ریختن بتن چی هستش؟
- 5 پاسخ
-
- بتن ریزی شمع
- سطح آب زیرزمینی
-
(و 1 مورد دیگر)
برچسب زده شده با :
-
استفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیشبینی سطح آب زیرزمینی
یک موضوع admin را ارسال کرد در مقالات تخصصی گرایش مهندسی آب
استفاده از مدل هوش مصنوعی مرکب نظارت شده برای پیشبینی سطح آب زیرزمینی عطاالله ندیری؛ فاطمه واحدی؛ اصغر اصغری مقدم؛ علی کدخدایی منابع آب زیرزمینی از مهمترین منابع تأمین آب هستند، لذا مدلسازی آنها حائز اهمیت میباشد. در این میان مطالعه و بررسی نوسانات سطح آب زیرزمینی از نظر مطالعات مدیریتی، ایجاد سازههای مهندسی، مصارف کشاورزی و حصول آبهای زیرزمینی با کیفیت بالا از اهمیت بالایی برخوردار است. عمده تقاضا برای آب شرب و کشاورزی در دشت مشگینشهر نیز از طریق آب زیرزمینی تأمین میشود. در این تحقیق چهار مدل هوش مصنوعی که عبارتند از شبکه عصبی پیشرو، شبکه عصبی برگشتی، منطق فازی ساگنو و ماشینبردار پشتیبان برای پیشبینی سطح آب زیرزمینی استفاده شدند. با توجه به نزدیک بودن نتایج به دست آمده و با توجه به این مسئله که مدلهای مختلف در مراحل مختلف مدلسازی نتایج متفاوتی ارائه دادند، انتخاب یکی از مدلها به عنوان مدل منتخب معقول به نظر نمیرسید. لذا از ترکیب غیر خطی این چهار مدل که مدل هوش مصنوعی مرکب نظارت شده نامیده میشود، برای ترکیب نتایج این مدلها استفاده شد تا نتایج به دست آمده تقویت شده و از توانایی مدلهای مختلف به طور همزمان استفاده شود. به منظور ارزیابی کارایی و دقت مدلها در پیشبینی، از دو معیار مختلف RMSE و R2 استفاده شد. نتایج نشان دادند که مدل SCMAI با مقادیر R2 برابر 85/0 و 90/0 به ترتیب برای پیزومترهای شماره 1 و 22 در مرحله آموزش بهترین پیشبینی را نسبت به هر کدام از چهار مدل منفرد هوش مصنوعی ارائه کرده است. همچنین مدل SCMAI توانست RMSEE پیشبینی را تا 9% درصد برای پیزومتر شماره یک و 17% درصد برای پیزومتر شماره دو کاهش دهد. Supervised Intelligent Committee Machine Method for Groundwater Level Prediction منبع دانلود CEEJ56041479673800.pdf-
- سطح آب زیرزمینی
- شبکه عصبی مصنوعی
-
(و 3 مورد دیگر)
برچسب زده شده با :