انتخاب الگوریتم بهینه شبکه عصبی مصنوعی برای تحلیل روسازی صلب راه ها
نویسنده:
چکیده:
پیش بینی پاسخ روسازی ها بر پایه برنامه های بسیار پیشرفته اجزاء محدود، فرصتهای بیشماری را برای ترکیبات پیچیده تحلیل در مهندسی روسازی فراهم کرده است، با این وجود می توان زمان قابل توجه موردنیاز برای انجام تحلیل این مدلها را با کاربرد مدلهای تحلیلی شبکه عصبی مصنوعی حذف کرد. شبکه های عصبی مصنوعی از لحاظ عملکرد، مدلهای بسیار کارآیی هستند که سرعت محاسباتی آنها کاملا مستقل از پیچیدگی ریاضیاتی الگوریتم ها یا روش مورد استفاده در تهیه مثالهای آنهاست. در این مقاله از نتایج تحلیل اجزاء محدود 624مدل روسازی بتنی غیرمسلح درزدار، برای انتخاب یک الگوریتم مناسب شبکه عصبی، به عنوان جعبه ابزاری قابل اعتماد برای پی شبینی سریع و دقیق پاسخ روسازی صلب راه ها، استفاده شده است. ابزار تحلیلی پیشنهادی،بر اساس نتایج مد لهای شبکه عصبی مصنوعی به صورت یک شبکه انتشار برگشتی چهار لایه شامل دو لایه پنهان و لایه های ورودی و خروجی، با تعداد 18 نورون (2- 18 – 6) و بکارگیری تابع انتقال حلقوی (Sigmoid) بوده که ارایه رگرسیون 0/99928 تاییدی بر قابلیت استفاده از نتایج دقیق حاصل از آن در سایر تحقیقات است. این شبکه امکان دستیابی به مقادیر تنش و اف ت وخیز بحرانی دال روسازی را با کمینه کردن زمان مورد نیاز ایجادمدل و روند تحلیل، و فراهم کردن توانایی تحلیل همزمان مقاطع گوناگون روسازی به ارمغان می آورد.
کلیدواژگان:
زبان:
فارسی
در صفحه:
43
لینک کوتاه:
magiran.com/p1034521
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یکساله به مبلغ 1,390,000ريال میتوانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
- حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران میشود.
- پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانههای چاپی و دیجیتال را به کاربر نمیدهد.
In order to view content subscription is required
Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!