جستجو در تالارهای گفتگو

برآورد پتانسیل وقوع روانگرایی خاک با روش مرکب خوشه‌بندی میانگین مرکزی فازی و شبکه عصبی مصنوعی (FCM-ANN) روح‌اله فاطمی‌کیا, ایمان عشایری, مهنوش بیگلری تاکنون روشها‌ی تجربی و هوشمند مختلفی برا‌ی ارزیابی پتانسیل روانگرایی ارائه شده که روش شبکه عصبی مصنوعی از قدرتمندترین این روشها می‌باشد. این روش، با آموزش داده‌ها‌ی به دست آمده از زلزله‌ها‌ی گذشته، روانگرایی را ارزیابی میکند. با وجود این، به دلیل پیچیدگی رفتار خاك این روش هم با عدم قطعیت همراه است. در این مقاله روش جدید‌ی با عنوان روش مرکب برا‌ی بهبود عملکرد روش شبکه (FCM-ANN) خوشه‌بند‌ی فاز‌ی-شبکه عصبی مصنوعی معرفی و نحوه عملکرد آن تشریح شده است. روش خوشه‌بند‌ی میانگین مرکز‌ی فاز‌ی الگوها‌ی مورد استفاده برا‌ی آموزش شبکه را پالایش و از ورود الگوها‌ی نامناسب به مجموعه آموزش جلوگیر‌ی می‌نماید. برا‌ی به دست آوردن نتایج قابل اعتمادتر در روشها‌ی هوشمند پارامترها‌ی متعدد‌ی از خاك، برا‌ی به کارگیر‌ی در روش مرکب خوشه‌بند‌ی فاز‌ی-شبکه عصبی و شبکه عصبی مورد استفاده قرار میگیرند که از مهمترین آنها میتوان به عدد نفوذ استاندارد و نسبت تنش تناوبی اشاره کرد. در این مقاله از پایگاه داده‌ها‌ی معتبر‌ی شامل مطالعات میدانی وقوع و عدم وقوع روانگرایی در زلزله‌ها‌ی معروف در نقاط مختلف دنیا، استفاده شده است. همچنین سامانه نرم‌افزار‌ی برا‌ی تحلیل روشها‌ی هوشمند شبکه عصبی و روش مرکب خوشه‌بند‌ی فاز‌ی- شبکه SQL Server با پایگاه ،#C به زبان ، Visual Studio عصبی در محیط توسط PILA(Professional Intelligent Liquefaction Assessment) و با نام نویسندگان طراحی شده است. Liquefaction Potential Assessment Using Fuzzy c-Means Clustering - Artificial Neural Network Hybrid Method (FCM-ANN) Keywords: Liquefaction Potential; Fuzzy C-Means Clustering; Artificial Neural Network; Standard Penetration Test منبع دانلود از پیوست 88-157-1-SM.pdf