عنوان فارسی مقاله:بهینه سازی کفتار خالدار و شیر مورچه ای در پیش بینی مقاومت برشی خاک
چکیده
دو پیشبینیکننده ترکیبی جدید به عنوان ترکیبی از شبکه عصبی مصنوعی (ANN)، همراه با تکنیکهای فراابتکاری بهینهساز کفتار خالدار (SHO) و بهینهسازی شیر مورچه (ALO) برای شبیهسازی مقاومت برشی خاک (SSS) پیشنهاد شدهاند. این الگوریتمها برای مقابله با اشکالات محاسباتی این مدل به ANN اعمال شدند. به عنوان تابعی از ده عامل کلیدی خاک (شامل عمق نمونه، درصد ماسه، درصد لوم، درصد رس، درصد رطوبت، تراکم تر، حد مایع، حد پلاستیک، شاخص پلاستیک و شاخص انحلال) SSS به عنوان متغیر پاسخ در نظر گرفته شد. به دنبال توسعه مجموعههای ALO-ANN و SHO-ANN، بهترین سازهها با فرآیند آزمون و خطا تعیین شدند. نتایج کارایی هر دو الگوریتم کاربردی را نشان داد، زیرا خطای پیشبینی ANN به ترتیب توسط ALO و SHO حدود ۳۵% و ۱۸% کاهش یافت. مقایسه بین نتایج نشان داد که ALO-ANN (خطا = ۰٫۰۶۱۹ و همبستگی = ۰٫۹۳۴۸) کارآمدتر از SHO-ANN (خطا = ۰٫۰۸۷۴ و همبستگی = ۰٫۸۸۶۶) عمل می کند. در نهایت، یک فرمول پیشبینی SSS برای استفاده به عنوان جایگزینی برای روشهای سنتی دشوار ارائه شده است(کفتار خالدار و شیر مورچه ای).
- لینک دانلود فایل بلافاصله بعد از پرداخت وجه به نمایش در خواهد آمد.
- همچنین لینک دانلود به ایمیل شما ارسال خواهد شد به همین دلیل ایمیل خود را به دقت وارد نمایید.
- ممکن است ایمیل ارسالی به پوشه اسپم یا Bulk ایمیل شما ارسال شده باشد.
- در صورتی که به هر دلیلی موفق به دانلود فایل مورد نظر نشدید با ما تماس بگیرید.