کاربرد شبکه های عصبی و الگوریتم های ژنتیک در تعیین طرح اختلاط بتن با مقاومت بالا

اختصاصی از زد فایل کاربرد شبکه های عصبی و الگوریتم های ژنتیک در تعیین طرح اختلاط بتن با مقاومت بالا دانلود با لینک مستقیم و پر سرعت .

پایان نامه کارشناسی ارشد با عنوان: کاربرد شبکه های عصبی و الگوریتم های ژنتیک در تعیین طرح اختلاط بتن با مقاومت بالا
دانشگاه صنعتی اصفهان
استاد راهنما: دکتر داود مستوفی نژاد
پژوهشگر: علی سماعی نژاد
شهریور 1380
فرمت فایل: PDF و شامل 126 صفحه

چکیده:
مقاومت بتن به عنوان یکی از مهمترین پارامترهای لازم برای طراحی، به عوامل بسیار زیادی از قبیل طرح اختلاط بتن، جنس مواد تشکیل دهنده‌ی بتن، شرایط آزمایشگاهی، مهارت های فرد آزمایش کننده، خطاهای آزمایشگاهی و ... بستگی دارد. از آنجا که بسیاری از این عوامل نامعلوم بوده و نمی توان به فرمولاسیون خاص و نسبتاً دقیقی برای مقاومت بتن دست یافت، لذا بکار بردن روشی که ورای فرمول های معمول ریاضی بتواند تا حد قابل قبولی مقاومت بتن را پیش بینی کند، حائز اهمیت خواهد بود. امروزه استفاده از شبکه های عصبی که الهام گرفته از رفتار مغز و نرون های عصبی است در مسائلی که ماهیتاً دارای مجهولات زیادی بوده و در مواردی دسترسی به حل آن ها ناممکن می نماید، رو به افزایش است. ...



می توانید نمونه نمایشی شامل 20 صفحه نخست پایان نامه را از لینک زیر دریافت کنید.
http://omidcivil.persiangig.com/sellfile/75n.zip/download

تعیین فرکانس طبیعی تیرهای کنسولی با استفاده از شبکه عصبی مصنوعی ترکیب شده با الگوریتم رقابت استعماری

اختصاصی از زد فایل تعیین فرکانس طبیعی تیرهای کنسولی با استفاده از شبکه عصبی مصنوعی ترکیب شده با الگوریتم رقابت استعماری دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: تعیین فرکانس طبیعی تیرهای کنسولی با استفاده از شبکه عصبی مصنوعی ترکیب شده با الگوریتم رقابت استعماری  

• نویسندگان: مهدی نیکو ، پنام زرفام  

• محل انتشار: هشتمین کنگره ملی مهندسی عمران - دانشگاه صنعتی نوشیروانی بابل - 17 و 18 اردیبهشت 93  

• محور: سازه های فولادی  

• فرمت فایل: PDF و شامل 7 صفحه می‌باشد.

چکیــــده:

امروزه کنترل و کاهش ارتعاشات سقف ساختمان‌ها به مسئله‌ای مهم در فرآیند طراحی ساختمان تبدیل شده است. سقف‌ها در روش‌های قدیمی فقط برای حالت حدی نهایی طراحی می‌شدند. در این روش، فقط مقاومت تیر در نظر گرفته می‌شد. اما در طراحی به روش سرویس دهی، خیز و ارتعاش تیرها محدود می‌شود. که به دلیل تغییر تکنیک‌های طراحی، تغییر در بهره برداری از کف‌ها، حساسیت دستگاه‌های علمی و آزمایشگاهی به ارتعاش می باشد (گرامی، سیوندی پور و دالوند، 1391). الگوریتم رقابت استعماری یک الگوریتم مبتنی بر جمعیت تصادفی است که از ایده تکامل سیاسی - اجتماعی بشر الهام گرفته است. در این الگوریتم تعدادی کشور استعمارگر همراه با مستعمراتشان به جستجو برای یافتن نقطه بهینه عمومی برای حل مسئله بهینه سازی می‌پردازند. در این مقاله از 100 نمونه با خصوصیات مختلف استفاده شده است. که فرکانس تمامی نمونه‌ها با استفاده از تحلیل دینامیکی و روش اجزاء محدود به دست آمده است. شبکه‌های مورد استفاده در این تحقیق شبکه Feed Forward می‌باشد. در این مدل ها از 100 الگو برای مطالعه، 70 درصد الگوها (70 الگو) برای آموزش و 30 درصد الگوها (30 الگو) برای تست استفاده شده است. بدین منظور پارامترهای طول تیر، ممان اینرسی، مقدار بار روی تیر به عنوان ورودی در نظر گرفته شده و با استفاده از این مدل مقدار فرکانس مد اول در تیرهای کنسولی فولادی محاسبه می‌گردد. همچنین با استفاده از الگوریتم رقابت استعماری وزن‌های شبکه عصبی مصنوعی بهینه می‌گردد. نتایج نشان می‌دهد که شبکه عصبی مصنوعی که وزن‌های آن با الگوریتم رقابت استعماری بهینه شده است از توانایی، انعطاف پذیری و دقت مناسبی در تعیین فرکانس طبیعی تیرهای کنسولی فولادی برخوردار می‌باشد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

کاربرد شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایین دست سرریز سیفونی

اختصاصی از زد فایل کاربرد شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایین دست سرریز سیفونی دانلود با لینک مستقیم و پر سرعت .

• مقاله با عنوان: کاربرد شبکه های عصبی مصنوعی در پیش بینی عمق آبشستگی پایین دست سرریز سیفونی 

• نویسندگان: علی توکلی پسند ، ابراهیم جباری ، سروش بردبار ، محمود حمزه ضیابری 

• محل انتشار: هشتمین کنگره ملی مهندسی عمران - دانشگاه صنعتی نوشیروانی بابل - 17 و 18 اردیبهشت 93  

• محور: سازه های هیدرولیکی 

• فرمت فایل: PDF و شامل 8 صفحه می باشد.

چکیــــده:

یکی از مهمترین پدیده‌های مرتبط با سازه‌های هیدرولیکی، پدیده آبشستگی می‌باشد. آبشستگی در پایین دست سرریزها و دانشی که به کمک آن بتوان، دامنه گسترش حفره آبشستگی را پیش بینی نمود، با توجه به خطراتی که این پدیده برای پایداری سد دارد، همواره از موضوعات مورد توجه محققین بوده است. سرریز سیفونی نیز یکی از انواع سرریزها می‌باشد که با توجه به قابلیت‌های خاص خود در سدهای مختلفی طی قرن اخیر، مورد استفاده قرار گرفته است. در این تحقیق با جمع آوری داده‌های آزمایشگاهی و استفاده از سه نوع پرکاربرد شبکه‌های عصبی مصنوعی یعنی شبکه با تغذیه رو به جلو و الگوریتم پس انتشار خطا (FFBP) و شبکه CFBP با تابع آموزش Levenberg-Marquardt و شبکه تابع پایه شعاعی (RBFN) عمق آبشستگی در پایین دست سرریز سیفونی، تخمین زده شده است. شاخص‌های آماری عملکرد قابل قبول شبکه FFBP را با R2=0.94 و RMSE=0.06 در مقایسه با دو نوع دیگر شبکه عصبی و مدل های رگرسیونی خطی و غیر خطی نشان می‌دهد.

________________________________

** توجه: خواهشمندیم در صورت هرگونه مشکل در روند خرید و دریافت فایل از طریق بخش پشتیبانی در سایت مشکل خود را گزارش دهید. **

** توجه: در صورت مشکل در باز شدن فایل PDF مقالات نام فایل را به انگلیسی Rename کنید. **

** درخواست مقالات کنفرانس‌ها و همایش‌ها: با ارسال عنوان مقالات درخواستی خود به ایمیل [e-mail] پس از قرار گرفتن مقالات در سایت به راحتی اقدام به خرید و دریافت مقالات مورد نظر خود نمایید. **

دانلود مقاله کاربرد شبکه‌های عصبی مصنوعی در مهندسی رودخانه

اختصاصی از زد فایل دانلود مقاله کاربرد شبکه‌های عصبی مصنوعی در مهندسی رودخانه دانلود با لینک مستقیم و پر سرعت .

 رسوبات انتقالی توسط رودخانه‌ها مشکلات زیادی خصوصاً جهت بهره‌برداری از سدها و سازه‌های آبی به وجود می‌آورند. در ده‌های اخیر تحقیقات بزرگی برای درک مکانیسم انتقال رسوب در جریان‌های طبیعی صورت گرفته است.
تخلیه‌های صنعتی و پساب‌های کشاورزی به داخل سیستم آبزیان باعث می‌شود که رسوبات کف توسط موادسمی آلوده شوند. به همین ترتیب وقتی رژیم رودخانه تغییر می‌نماید این رسوبات آلوده به پایین دست رودخانه انتقال می‌یابند. تخمین دبی این رسوبات آلوده گام اول به سوی بهبود سازی کیفیت آب می‌باشد.
طبق گزارشات، درحال حاضر، بسیاری از سدهای کشورمان، با مشکل رسوب و پرشدن پیش از موعد مخازن مواجه هستند از جمله گزارشی که در مورد رسوبگذاری در سد سفید رود منتشر شده که نشان می‌دهد که در هفدهمین سال بهره برداری، رسوبات ورودی نزدیک به نیمی از حجم مخزن را اشغال کرده‌اند. در حالی که مشاور این شد، عمر مفید آن را صد سال دانسته است.
همچنین سد شهید عباسپور که تخمین اولیه برای رسوب آن 2 میلیون مترمکعب در سال بوده، در حالی که نتایج هیدروگرافی در سال 1362 در مخزن این سد نشان می‌دهد که درطی 7 سال اول بهره برداری از این سد سالیانه بطور متوسط 38 میلیون متر مکعب وارد مخزن شده است. بدیهی است که افزایش پیش‌بینی میزان رسوب وارده به دریاچه می‌تواند از این خسارات جلوگیری به عمل آورد و تحقیق این امر بستگی زیادی به روشهای محاسباتی و وجود سنجشهای مناسب رودخانه‌ای دارد.
تا کنون معادلات زیادی برای تخمین میزان رسوب انتقالی رسوب انتقالی توسط رودخانه‌ها ارائه شده است که همه آنها بر پایه قوانین تئوری دینامیک جریان و انتقال ذرات می‌باشد. آلونسوو نیبلینگ و فوستر در سال 1982 و یانگ در 1996 از بین دیگران، روشهای متعدد قراردادی را مقایسه نمود برای محاسبه دبی کل رسوب. بعضی از روشها که روش غیرمستقیم نامیده شدند، شامل توابع انتقالی بر اساس تابع بار بستر اینشتین هستند که بار رسوب کل از مجموع توابع بار معلق و بار بستر بدست می‌آید. مانند روش اصلاح شده اینشتین توسط کلبی و همبری (1955) و توفالتی (1969). روشهای مذکور این نکته را مدنظر قرار می‌دهند که هیدرودینامیک هر حالت انتقال یکسان نیست اگر چه تمایز آشکار بین در حالت معلق و بستر نیز به آسانی ممکن نیست، کاربرد روشهای گفته شده از نظر تئوری نسبتاً کامل است اما ممکن است به نظر دشوار برسد.

ساختار عمومی شبکه پیشنهادی :
نسبت اختلاف
درصدداده‌های محدوده
انحراف  معیار
میانگین

بررسی یادگیری شبکه عصبی
 
نتایج :

شامل 30 صفحه فایل word

کاربرد شبکه‌های عصبی مصنوعی در مهندسی رودخانه

اختصاصی از زد فایل کاربرد شبکه‌های عصبی مصنوعی در مهندسی رودخانه دانلود با لینک مستقیم و پر سرعت .

فایل بصورت ورد (قابل ویرایش) و در 29 صفحه می باشد.

فهرست مطالب

کاربرد شبکه‌های عصبی مصنوعی

در مهندسی رودخانه

ساختار عمومی شبکه پیشنهادی :

ـ الگورتیم پس انتشار خطا

ـ انتخاب پارامترهای دبی رسوب

ـ بکارگیری داده‌های صحرائی دبی رسوب

ـ آموزش شبکه و ارزیابی نتایج

ـ کالیبراسیون پارامترهای رسوب و دبی

 مقایسه با مطالعات قبلی

ـ ارزیابی مدل با بکارگیری داده‌های رسوب معلق

نتیجه‌گیری

مدل عصبی مورد استفاده

نتایج مدل عصبی و مقایسه آن با روش متداول تخمین رسوب

تعیین ابعاد حفره آبشستگی پایین دست سرریزهای ریزشی آزاد با استفاده از روش شبکه عصبی مصنوعی :

ـ الگوریتم آموزش شبکه عصبی مصنوعی

بررسی یادگیری شبکه عصبی

استفاده از شبکه عصبی در روندیابی متمرکز سیلاب

نتایج :