پديد آورنده :
بنايي مقدم، سارا
عنوان :
پيش بيني ظرفيت باربري وابسته به زمان شمع هاي كوبشي در خاك چسبنده
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
نه، 101ص: مصور، جدول، نمودار
استاد راهنما :
محمدرضا خانمحمدي
توصيفگر ها :
شمع , خاك چسبنده , گيرش , ظرفيت باربري وابسته به زمان , روش گروهي مديريت داده ها , برنامه بيان ژن
استاد داور :
هاجر شرع اصفهاني، عليرضا باغبانان
تاريخ ورود اطلاعات :
1399/12/16
تاريخ ويرايش اطلاعات :
1399/12/18
چكيده فارسي :
چكيده تعيين ظرفيت باربري شمعها همواره يكي از مهمترين دغدغههاي مهندسين فعال در حوزهي ژئوتكنيك بوده است مدتي است كه مبحثي نو در زمينهي تعيين ظرفيت باربري شمعها مورد نظر محققين قرار گرفته است بسياري از شمعهاي اجرا شده در خاك چسبنده بعد از اتمام فرآيند نصب و با گذشت زمان افزايشي را در ميزان ظرفيت باربري خود تجربه ميكنند اين افزايش كه بهصورت عمده بر روي مقاومت جداري شمع اثر ميگذارد پديدهي گيرش ناميده ميشود در نظر گرفتن اين افزايش وابسته به زمان مقاومت شمع در روند طراحي ميتواند باعث كاهش هزينههاي اجرايي در پروژههاي ساخت و ساز شود بسياري از محققين استهالك در اضافه فشار آب حفرهاي ايجاد شده در اثر فرآيند نصب شمع را عامل اصلي گيرش در خاكهاي ريزدانه اشباع ميدانند اين پاياننامه قصد دارد با بررسي عوامل اثرگذار بر فرآيند گيرش سازوكار اين پديده را مورد تحقيق قرار دهد و سپس با بهرهگيري از امكانات روشهاي هوش مصنوعي همانند شبكههاي عصبي و الگوريتم ژنتيك و همچنين انجام تحليلهاي آماري روابطي را براي پيشبيني ظرفيت باربري وابسته به زمان شمع ارائه كند براي اين هدف بانك دادهاي متشكل از 081 دادهي مختلف از خصوصيات خاك و شمع از مرور مطالعات پيشين حاصل شدهاست كه بهدليل تنوع در محل كوبش شمع نتايج مناسب و قابل تعميمي را به دست خواهد داد از نتايج اين تحقيق ميتوان به كارايي قابل توجه روشهاي مورد استفاده در اين پژوهش همچون برنامه ريزي بيان ژن و روش گروهي مديريت دادهها در پيشبيني ظرفيت باربري وابسته به زمان شمع اشاره كرد كه با به كارگيري تركيب متغيرهاي ورودي همچون ظرفيت باربري اوليه مقاومت برشي زهكشي نشده و زمان عملكرد خوبي را به نمايش گذاشتند كلمات كليدي شمع خاك چسبنده گيرش ظرفيت باربري وابسته به زمان برنامه بيان ژن روش گروهي مديريت دادهها
چكيده انگليسي :
102AbstractEvaluating the ultimate bearing capacity of piles has been always an important concern for geotechnicalengineers Pile setup is a term which refers to an increase in bearing capacity of pile after a specific time Thisincrease is mainly considered relevant to the dissipation of excess pore water pressure created as a result ofdisturbance of the soil around the pile Many researches have been centered on the investigation of pile setupand the factors influencing that Results indicate that soil and pile properties can affect the occurrence andintensity of this phenomenon The application of artificial intelligence such as artificial neural networks andevolutionary algorithms are considered as efficient and powerful methods for prediction and function findingpurposes Consideration of setup phenomenon during the process of pile design may lead to a reduction in piledimensions which is economically beneficial In this study a comprehensive dataset containing informationabout 172 test piles derived from literature reviews is used to develop Group Method of Data Handling GMDH and Gene Expression Programming GEP in order to predict the time dependent increase in bearingcapacity of pile foundations driven in cohesive soil It is noticeable that to evaluate the efficiency of the ultimatemodel data is randomly divided into training and testing data which the former includes 121 and the latter hasused 51 data Regarding the literature various equations have been proposed to predict the pile setup butmost of them had been limited to the specific area having the special geotechnical features The most strikingdifference between this study and the previous researches is that the dataset used in this study includes differentpiles driven in soil with varied properties therefore the resulting equation is more generalizable in comparisonwith other ones GMDH is computational approach that operates in a similar pattern to artificial neuralnetworks In this system dual combinations of input variables are created in the form of Kolmogorov Gaborpolynomials Based on the evaluation criteria such as Root Mean Squared Error RMSE and determinationcoefficient 2 the polynomials with higher accuracy are selected and introduced to the next layer as inputs This repetitive approach is used to reach the best polynomials predicting the target variable of the project GMDH is a self organized system in which the number of required layers and neurons are determined duringthe running Gene Expression Programming GEP is a computational program that uses multi genicchromosomes individuals to represent the ultimate solution of problems in form of GEP expression trees This approach which is invented by Ferreira is a natural development of the Genetic Algorithm GA andGenetic Program GP to investigate the correlation between independent and target variables the multipleLinear regression MLR is implemented at the initial stage of the study According to the evaluation criteria GEP with the determination coefficient of 0 834 is found to be the most effective approach to predict set upamong the other ones used in this research Keywords Pile Set up Time dependent bearing capacity Cohesive soil Gene Expression Programming Group Method of Data Handling
استاد راهنما :
محمدرضا خانمحمدي
استاد داور :
هاجر شرع اصفهاني، عليرضا باغبانان
