7 نتیجه برای Ann
دکتر نیما حیدرزاده، آقا علی توکلی،
جلد 0، شماره 0 - ( 10-1404 )
چکیده
هدف این مطالعه ارائه یک روش عملی جدید برای استفاده از ضایعات تخریب به عنوان بتن بازیافتی است. بتن فومی با چگالی 960 (کیلوگرم بر متر مکعب) با استفاده از ضایعات تخریب ریزدانه تولید شد. به جای استفاده از سنگدانههای سنتی، از دو گروه ضایعات تخریب، با گچ (WG) و بدون گچ (W)، در مخلوط بتن با درصدهای وزنی 30، 70 و 100 استفاده شده است. آزمایشهای انجام شده شامل جدول جریان، مقاومت فشاری تک محوری (UCS) و میکروسکوپ الکترونی روبشی (SEM) بودند. نتایج نشان داد که افزایش درصد ضایعات ساختمانی جایگزین شده، به دلیل جذب آب بالای آنها، سرعت جریان نمونهها را کاهش میدهد. علاوه بر این، چگالی مرطوب اندازهگیری شده نمونههای بازیافتی از 906 تا 1022 (کیلوگرم بر متر مکعب) متغیر است. با جایگزینی ضایعات ساختمانی با ماسه به میزان 30، 70 و 100 درصد، UCS 28 روزه به ترتیب 36، 23 و 19.9 درصد کاهش مییابد. بالاترین UCSها در S0W100 و S0WG100 مشاهده شد، با میانگین UCSهای 28 روزه به ترتیب 2.38 و 2.55 (مگاپاسکال). سپس، مقدار ضایعات گچ (6.6٪) تأثیر قابل توجهی در کاهش UCS ندارد. نتایج SEM همچنین نشان داد که میانگین درصد منافذ ناشی از استفاده از معرف فوم در نمونههایی با جایگزینی 100٪، 30٪ و 70٪ مواد بازیافتی به ترتیب 17.6٪، 18.6٪ و 21.3٪ کاهش یافته است. مطالعه حاضر استفاده مستقیم از ضایعات تخریب به همان صورت تولید شده قبل از دفع آنها را پیشنهاد میکند.
آقا محمد جعفرپور، آقا آرش ادیب،
جلد 0، شماره 0 - ( 10-1404 )
چکیده
بارش یکی از مهمترین متغیرهای اقلیمی است که بهدلیل نقش مستقیم آن در منابع آب، کشاورزی و معیشت انسان، ارزیابی دقیق آن اهمیت فراوانی دارد. در سالهای اخیر، دادههای شبکهای بارش شامل دادههای ایستگاهی، ماهوارهای و بازتحلیل، به دلیل دسترسی آسان، هزینه کمتر، پوشش مکانی مناسب، نبود دادههای گمشده و طول دوره زمانی بلند، کاربرد گستردهای یافتهاند؛ با این حال، بررسی دقت و اعتبار آنها برای استفاده علمی ضروری است. در این پژوهش، پنج پایگاه داده بارش شامل APHRODITE و CRU (مبتنی بر بارانسنج)، PERSIANN-CDR (ترکیبی از ماهواره و بارانسنج) و NCEP CFSR و ERA5 (مبتنی بر تحلیل مجدد) با استفاده از شاخصهای R²، NSE، NRMSE، BIAS، POD، FAR و CSI و در مقایسه با دادههای ۹ ایستگاه سینوپتیک استان خوزستان ارزیابی شدند. از آنجا که تعداد شاخصها زیاد بود، برای رتبهبندی نهایی پایگاهها در هر ایستگاه از روش تصمیمگیری چندمعیاره TOPSIS استفاده شد. نتایج نشان داد که APHRODITE، CRU و NCEP/ CFSR بهترین عملکرد را ارائه دادهاند و APHRODITE در میان همه ایستگاهها بیشترین انطباق را با مشاهدات داشته است؛ بهطوریکه میانگین شاخصهای آن POD=0.756، FAR=0.290 و CSI=0.692 بود. همچنین مشخص شد که برخی پایگاههای داده ممکن است در برآورد مقدار بارش دقت پایینتری داشته باشند، اما در شناسایی روزهای بارانی عملکرد مناسبی نشان دهند. بنابراین، انتخاب پایگاه داده باید بر اساس هدف کاربردی انجام شود.
جلد 2، شماره 2 - ( 10-1386 )
چکیده
برآورد سیلاب و مدیریت آن از دیرباز مورد توجه کارشناسان و مدیران علوم محیطی بوده است. برای این امر روشهای بسیاری وجود دارد که یکی از چشمگیرترین آنها استفاده از شبکههای عصبی مصنوعی است. در این تحقیق، مدل بارش- رواناب حوضه آبریز رودخانه هلیل رود در جنوبشرق ایران ارائه شده است. ظهور تئوریهای توانمند مانند منطق فازی و شبکههای عصبی مصنوعی(ANN)، الگوریتم ژنتیک و موجک تحولی عظیم در تحلیل رفتار سیستمهای دینامیک در علوم مختلف مهندسی ایجاد کرده است. در این مقاله با استفاده از تئوری موجک و شبکه عصبی، شبکه عصبی- موجکی طراحی شده است. در واقع عملکرد شبکه عصبی پرسپترون چند لایه(MLP)، با استفاده از موجک بهبود داده شده و با استفاده شبکه عصبی- موجکی الگوی جدیدی در بارش- رواناب ارائه شده است. نتایج بهدست آمده از این مدل با نتایج شبکه عصبی انتشار برگشتی و بنیادی شعاعی مقایسه شده است. در الگوی ارائه شده، دادهها در گروههای همگن با توجه به میزان بارش و رواناب و بهکارگیری آنها توسط شبکه عصبی- موجکی، دستهبندی شده است. کنترل دقت محاسبات با محاسبه ضریب همبستگی R، و ریشه میانگین مربعات خطا(RMSE) صورت گرفته است. نتایج حاکی از بهبود بسیار خوب عملکرد شبکه عصبی- موجکی با استفاده از دادههای تقسیمبندی شده با الگوی جدید است.
عطا آقایی آرایی،
جلد 8، شماره 2 - ( 6-1393 )
چکیده
این مقاله امکان توسعه و بکارگیری شبکههای عصبی مصنوعی در مدلسازی نتایج آزمایشهای مونوتونیک سهمحوری قطر بزرگ روی انواع مصالح سنگریزهای تیزگوشه، گردگوشه و مصالح شنی با درصدهای مختلف ریزدانه بهکار رفته در بدنه سدهای مهم کشور را ارائه میدهد. در ابتدا قابلیت شبکههای عصبی مصنوعی(ANNs) در مدلسازی منحنی های رفتاری تنش تفاضلی- اضافه فشار آب حفرهای - کرنش محوری بررسی شده است که دلالت بر قابلیت نسبتاً مناسب مدل در شبیهسازی رفتار مصالح شندار دارد. بانک اطلاعات بکار رفته در شبکه، شامل 52 گزینه مختلف آزمایش سه محوری کرنش-کنترل تحت شرایط زهکشی نشده است. برای مسئله مورد نظر، یک برنامه شبکههای عصبی مصنوعی پیشخوراند سه لایه پرسپترون (MLP) در محیط MATLAB7 نوشته شد و شبکه بهینه (تعداد لایههای مخفی، تابع تبدیل و نوع آموزش شبکه) به طریق سعی و خطا، و با توجه به شاخصهای خطا و تطابق با دادههای آزمایشگاهی انتخاب شد. پارامترهای ورودی شبکه شامل تنش محدودکننده، دانسیته و درصد رطوبت بهینه، توزیع اندازه دانهها و نرخ ایجاد کرنش میباشد. نتایج نشان میدهد که ANNs قابلیت بسیار مناسبی در تخمین منحنیهای رفتاری یادشده در کلیه موارد بررسی شده دارد. در ادامه قابلیت شبکههای عصبی مصنوعی(ANNs) در بدست آوردن حداکثر زاویه اصطکاک داخلی و نتاطی از منحنیهای رفتاری شامل تنش های تفاضلی حداکثر و پسماند و اضافه فشارهای آب حفره ای در کرنشهای نظیر بررسی شد. ضمناً از قابلیت تعمیم شبکه عصبی مصنوعی برای بررسی موارد آزمایش نشده مثل اثر تغییرات دانسیته و درصد کوچکتر از mm 2/0 هم بهره گرفتهشد.
علیرضا یاراحمدی، سلیمان کاک ممی، جواد غلام نژاد، محمد تقی صادقی، مجید مبینی،
جلد 8، شماره 3 - ( 7-1393 )
چکیده
اندازه¬گیری درجای هندسه ناپیوستگی¬ها در توده¬های سنگی به روش دستی، غالباً کند و پرهزینه می¬باشد. همچنین در بسیاری از موارد، قسمت بزرگی از رخنمون سنگ دور از دسترس بوده و برداشت آن خطرناک است. بنابراین دستیابی به روشی سریع و ایمن جهت بدست آوردن پارامترهای هندسی ناپیوستگی¬ها ضرورت دارد. برای این منظور، تکنیک¬های توسعه یافته در حوزه پردازش تصاویر دیجیتال بسیار کارآمد و مفید می¬باشند. در این مطالعه، یک روش خودکار برای تعیین هندسه ناپیوستگی-ها با استفاده از تصاویر دیجیتالی بدست آمده از رخنمون توده سنگ، ارائه می¬شود. از مزایای این روش نسبت به روش¬های دستی می¬توان به ایمن بودن، کم هزینه بودن، کم وقت¬گیر بودن، داشتن توانایی برداشت تمامی درزه¬ها، رخ دادن خطای کمتر و حذف خطای انسانی در بدست آوردن داده¬ها اشاره کرد. در طی پیاده¬سازی مراحل سیستم آنالیز خودکار هندسه ناپیوستگی¬ها، ابتدا فیلترهای متنوعی بر روی تصاویر دیجیتالی بمنظور حذف نویز و بهبود تصاویر اعمال می¬شود. سپس با توجه به میزان اختلاف سطح خاکستری ناپیوستگی¬ها با زمینه رخساره، ناپیوستگی¬های موجود در رخساره سنگ توسط آشکارساز کنی، آشکارسازی می-شوند. در ادامه از تبدیل هاف برای توصیف ناپیوستگی¬ها بر حسب مختصات قطبی استفاده می¬شود. در مرحله بعد با استفاده از روش¬های فازی، تعداد و مرکز دسته درزه¬ها و اعضای هر دسته درزه به صورت خودکار مشخص می¬شود. در نتیجه پیاده¬سازی این الگوریتم برخی از مشخصه¬های هندسه ناپیوستگی¬ها نظیر زاویه اثر، فاصله¬داری، چگالی درزه¬داری و تداوم ناپیوستگی¬ها بدست آمده و شاخص کیفیت سنگ (RQD)، در هر راستای دلخواه بدست می¬آید. این روش می¬تواند به عنوان تکنیکی برای برداشت منظم درزه¬ها و ساخت یک پایگاه بزرگ و دائمی برای تعیین خصوصیات هندسی توده¬های سنگی به شمار رود.
ایمان آقاملایی، غلامرضا لشکری پور، محمد غفوری، ناصر حافظی مقدس،
جلد 13، شماره 1 - ( 3-1398 )
چکیده
خاکهای رمبنده بهطور گستردهای در نواحی خشک و نیمهخشک در سراسر دنیا توزیع شده و حدود 10% از مساحت کل خشکیهای زمین را تشکیل میدهند. این خاکها بهطور معمول ساختار لانه زنبوری نیمهپایدار دارند که مستعد کاهش حجم زیاد یا رمبش، به محض مرطوب شدن است. در این پژوهش برای تعیین خصوصیات مهندسی نهشتههای شهر کرمان علاوه بر گردآوری اطلاعات ژئوتکنیکی موجود، از 50 نقطه در سطح شهر نمونهگیری انجام شده است. پراکنش نقاط بهگونهای طراحی شده که پوشش قابل قبولی در سطح شهر داشته باشند. برای تعیین نوع کانیها و همچنین بررسی ساختار خاک و نحوۀ آریش دانهها بهترتیب از روش XRD و تصاویر میکروسکوپ الکترونی استفاده شد. در بررسی تصاویر میکروسکوپ الکترونی نمونههایی که میزان رمبندگی زیادی نشان میدهند، ساختار باز و منافذ بیندانهای دارند. در بخشهای مرکزی شهر دانههای خاک عموماً دارای اتصال گوشه به گوشه است و در ساختار آنها نظم مشخصی دیده نمیشود و آرایش ذرات تصادفی و بینظم است و رمبندگی کمی نشان میدهند. علاوه بر نحوۀ آرایش دانهها در برخی نمونهها وجود مواد انحلالپذیر از جمله بلورهای ژیپس و نمک نقش مهمی در میزان رمبندگی خاک ایفا میکنند. برای ارزیابی پتانسیل رمبندگی از معیارهای دنیسف، هولتز و هیلف، آییننامۀ ساختمانی روسیه و آییننامه ASTM که متداولترند، استفاده شده است. بر اساس نتایج بهدست آمده خاکهای شهر کرمان عمدتاً در محدودۀ خاکهای با رمبندگی متوسط قرار میگیرند.
احسان امجدی، غلامحسین اوکلیمهرجردی،
جلد 13، شماره 5 - ( 10-1398 )
چکیده
این مقاله مدلی از شبکۀ عصبی پس انتشار را برای پیشبینی (گویی) مقاومت کششی باقیمانده و چارت طراحی بهمنظور برآورد (تخمین) ضرایب کاهش مقاومت ژئوتکستایلهای بافته نشده که تحت فرآیند نصب قرار گرفته اند، ارائه میکند. 34 داده از تست های برجای مقیاس کامل برای آموزش، صحتسنجی و آزمایش شبکه عصبی ایجاد شده (توسعه یافته) و مدل رگرسیونی استفاده شده است. نتایج نشان می دهد که، پیشبینی مقاومت کششی باقیمانده با استفاده از شبکۀ عصبی آموزش داده شده، تطابق خوبی با نتایج آزمایشگاهی دارد. پیشبینی های بهدست آمده از شبکۀ عصبی بسیار بهتر از مدل رگرسیونی هستند، بهطوریکه درصد خطای حداکثر داده های آموزش داده شده برای شبکه عصبی و مدل رگرسیونی بهترتیب کمتر از 87/0 درصد و 92/18 درصد است. بر اساس شبکۀ عصبی توسعه یافته، یک چارت طراحی ایجاد شده است. بهطورکلی، ضرائب کاهش مقاومت ژئوتکستایل ها ناشی از خرابی نصب هنگامی که عملیات تراکم در شرایطی اعم از مقاومت کشش چنگکی نمونه پیش از نصب کمتر، تنش اعمالی روی ژئوتکستایل بیشتر، مصالح خاکریز با اندازۀ دانه بزرگ تر، تراکم نسبی مصالح خاکریز بیشتر و بستر ضعیف تر انجام میشود، افزایش می یابد.
