![](/images/graphics-bg.png)
Prediction of soil's compaction parameter using artificial neural network
العناوين الأخرى
حساب معاملات حدل التربة باستخدام الشبكات العصبية الاصطناعية
المؤلفون المشاركون
Khattab, Suhayl Idris Abd al-Qadir
al-Saffar, Raghdan Zuhayr
Yusuf, Salim Tayyib
المصدر
al-Rafidain Engineering Journal
العدد
المجلد 21، العدد 3 (30 يونيو/حزيران 2013)، ص ص. 15-27، 13ص.
الناشر
تاريخ النشر
2013-06-30
دولة النشر
العراق
عدد الصفحات
13
التخصصات الرئيسية
تكنولوجيا المعلومات وعلم الحاسوب
الموضوعات
الملخص AR
يتعلق هذا البحث بإمكانية استخدام الشبكات العصبية الاصطناعية في محاولة التعرف على العلاقات غير الخطية بين مختلف معاملات التربة، في محاولة حساب معاملات الحدل (الكثافة الجافة العظمى و محتوى الرطوبة الأمثل).
باستخدام قاعدة بيانات شملت ما مجموعه 177 حالة من التجارب المختبرية لنموذج معاملات الحدل.
تم اعتبار العوامل الثمانية التالية من العوامل ذات التأثير الأكبر على معاملات الحدل و قد اعتبرت كمدخلات للنموذج و تشمل حدود السيولة و اللدونة، دليل اللدونة، الوزن النوعي، نوع التربة، الحصو، الرمل، و مقدار المواد الناعمة.
في حين إن نتيجة النموذج هي الكثافة الجافة العظمى و محتوى الرطوبة الأمثل.
تم في هذا العمل استخدام الشبكات المتعددة الطبقات بتقنية الانتشار الرجعي للخطأ للنمذجة الرياضية.
و قد تمت دراسة العديد من الحالات التي لها علاقة ببناء الشبكات العصبية الاصطناعية منها معمارية الشبكة و العوامل الداخلية لها و مدى تأثيرها على أداء نماذج الشبكات العصبية الاصطناعية.
بالاعتماد على معايير إحصائية، وجد بان الشبكات العصبية الاصطناعية لها القابلية على حساب معاملات الحدل بدرجة جيدة من الدقة.
الملخص EN
This research tackles the feasibility of using Artificial Neural Networks to capture nonlinear interactions between various soil parameters.
In this study an attempt was conducted to predict the compaction parameter (γdmax & O.M.C) using database comprising a total of 177 case records of laboratory measurements.
Eight parameters are considered to have the most significant impact on the magnitude of compaction parameters have been used as the model's inputs; liquid and plastic limits, plasticity index, specific gravity, soil type, gravel, sand, and fines content.
The model output is the maximum dry unit weight and optimum moisture content.
A Multi–layer perceptron trainings using the back–propagation algorithm, are used in this work.
A number of issues in relation to ANN's construction such as the effect of ANN's geometry and internal parameters on the performance of ANN's models are investigated.
A parametric study was conducted for the three models to investigate the effect of the input variables on the output of the model.
Based on statistical criterion, it was found that ANN's have the ability to predict the compaction parameter with a good degree of accuracy.
نمط استشهاد جمعية علماء النفس الأمريكية (APA)
al-Saffar, Raghdan Zuhayr& Khattab, Suhayl Idris Abd al-Qadir& Yusuf, Salim Tayyib. 2013. Prediction of soil's compaction parameter using artificial neural network. al-Rafidain Engineering Journal،Vol. 21, no. 3, pp.15-27.
https://search.emarefa.net/detail/BIM-333196
نمط استشهاد الجمعية الأمريكية للغات الحديثة (MLA)
al-Saffar, Raghdan Zuhayr…[et al.]. Prediction of soil's compaction parameter using artificial neural network. al-Rafidain Engineering Journal Vol. 21, no. 3 (Jun. 2013), pp.15-27.
https://search.emarefa.net/detail/BIM-333196
نمط استشهاد الجمعية الطبية الأمريكية (AMA)
al-Saffar, Raghdan Zuhayr& Khattab, Suhayl Idris Abd al-Qadir& Yusuf, Salim Tayyib. Prediction of soil's compaction parameter using artificial neural network. al-Rafidain Engineering Journal. 2013. Vol. 21, no. 3, pp.15-27.
https://search.emarefa.net/detail/BIM-333196
نوع البيانات
مقالات
لغة النص
الإنجليزية
الملاحظات
Includes bibliographical references : p. 26-27
رقم السجل
BIM-333196
قاعدة معامل التأثير والاستشهادات المرجعية العربي "ارسيف Arcif"
أضخم قاعدة بيانات عربية للاستشهادات المرجعية للمجلات العلمية المحكمة الصادرة في العالم العربي
![](/images/ebook-kashef.png)
تقوم هذه الخدمة بالتحقق من التشابه أو الانتحال في الأبحاث والمقالات العلمية والأطروحات الجامعية والكتب والأبحاث باللغة العربية، وتحديد درجة التشابه أو أصالة الأعمال البحثية وحماية ملكيتها الفكرية. تعرف اكثر
![](/images/kashef-image.png)