این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
جاده، جلد ۲۵، شماره ۹۰، صفحات ۶۵-۷۵
عنوان فارسی پیش‌بینی مدول برجهندگی مصالح اساس تثبیت‌شده تحت اثر سیکل‌های تر و خشک‌شدن با استفاده از سیستم استنتاج عصبی- فازی تطبیقی (ANFIS)
چکیده فارسی مقاله یکی از مهم‌ترین پارامترهای ورودی برای طراحی روسازی با استفاده از روش مکانیستیک- تجربی، مدول برجهندگی مصالح مختلف روسازی است. مدول برجهندگی معمولاً با انجام آزمایش بارگذاری سه محوری دینامیک تعیین می شود که بسیار پر هزینه و زمان‌بر است و نیاز به امکانات آزمایشگاهی خاصی دارد. هدف از این مقاله ارائه یک مدل بر پایه سیستم استنتاج عصبی-فازی تطبیقی (ANFIS) به‌منظور پیش‌بینی مدول برجهندگی مصالح اساس تثبیت‌شده با افزودنی‌های مختلف تحت اثر سیکل‌های تر و خشک شدن است. برای این منظور از یک پایگاه داده آزمایشگاهی متشکل از 704 رکورد استفاده شد. در این تحقیق پارامترهای ورودی به مدل ANFIS شامل تعداد سیکل‌های تر و خشک شدن، نسبت آهک آزاد به سیلیس، آلومینا و ترکیبات اکسید آهن در مواد سیمانی(SFA)، نسبت دانسیته خشک حداکثر به درصد رطوبت بهینه، تنش انحرافی و تنش محدودکننده در نظر گرفته شدند. نتایج نشان‌دهنده‌ی دقت بالای مدل با ضریب رگرسیون 9669/0 و 9625/0 به ترتیب برای مجموعه‌داده‌های آموزش و آزمون  و 9655/0  برای کل داده‌ها بود. به‌علاوه نتایج تحلیل حساسیت مدل نشان داد که متغیر نسبت دانسیته خشک حداکثر  به درصد رطوبت بهینه (DMR) دارای بیش‌ترین تأثیر و متغیر تعداد سیکل خشک و تر شدن (WDC) کمترین تأثیر را بر مدول برجهندگی اساس تثبیت‌شده دارد. در ضمن نتیجه گرفته شد که مدول برجهندگی وابستگی بیشتری به مقدار تنش انحرافی  در مقایسه با تنش محدودکنندهدارد.    
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Prediction of Resilient Modulus of Stabilized Aggregate Base Subjected To Wet-Dry Cycles Using Adaptive Neuro-Fuzzy Inference System (ANFIS)
چکیده انگلیسی مقاله One of the most important input parameters for pavement design using empirical mechanistic method is the resilient modulus of various materials. Resilient modulus is commonly determined by dynamic triaxial loading test which is very costly and time-consuming and requires special laboratory facilities.The purpose of this paper is to develop a model based on adaptive Neuro-Fuzzy inference system (ANFIS) for prediction of resilient modulus of stabilized base materials subjected to wet– dry cycles. For this purpose an experimental database consists of 704 records were used. In this study, the number of wet-dry cycles (WDC), the ratio of free lime to SAF (CSAFR), the ratio of maximum dry density (in kN/m3) to the optimum moisture content (in %) (DMR), the confining pressure ( ) and the deviator stress ( ) were considered as ANFIS input parameters. Results showed high accuracy of model with coefficient of determination (R2) of 0.9669 and 0.9625 for training and testing data sets and 0.9655 for overall data set, respectively. In addition, the result of sensitivity analysis showed that DMR and WDC have the most and least effectiveness on resilient modulus of stabilized bases, respectively. In addition, it was concluded that resilient modulus is more dependent on the value of variable compared with , and results of parametric studies also confirm this issue.    
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله علیرضا غنی زاده |
استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی سیرجان (Sirjan university of technology)

امیر توانا املشی | tavana amlashi
دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی سیرجان (Sirjan university of technology)

حکیمه عباسلو |
استادیار، دانشکده مهندسی عمران، دانشگاه صنعتی سیرجان، سیرجان، ایران
سازمان اصلی تایید شده: دانشگاه صنعتی سیرجان (Sirjan university of technology)

نشانی اینترنتی http://road.bhrc.ac.ir/article_50983_f64b03f459c1b619f4c2a996ae4335e5.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/741/article-741-452673.pdf
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات