بهینه سازی طرح اختلاط بتن با استفاده از رویکرد تلفیقی شبیه سازی - بهینه سازی

• مقاله با عنوان: بهینه سازی طرح اختلاط بتن با استفاده از رویکرد تلفیقی شبیه سازی - بهینه سازی  

• نویسندگان: محمد ارباب پور بیدگلی ، محمود اکبری ، فرشته اربابی  

• محل انتشار: نهمین کنگره ملی مهندسی عمران - دانشگاه فردوسی مشهد - 21 تا 22 اردیبهشت 95  

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

چکیــــده:

هدف از پژوهش حاضر، ارائه یک متودولوژی نظام مند و سیستماتیک برای بهینه سازی طرح اختلاط بتن های با مقاومت معمولی است. بدین منظور ابتدا مدل بهینه سازی طرح اختلاط بتن به منظور کمینه کردن هزینه بتن توسعه داده می شود. یک چالش اساسی در فرموله کردن مدل بهینه سازی تخمین بعضی از شاخص های بتن مثل مقاومت فشاری و کارایی بتن بر حسب اجزای تشکیل دهنده آن اسم که در قالب قیود مدل بهینه سازی نیاز می شوند در این مطالعه تخمین مقاومت فشاری بتن بر حسب میزان اجزای تشکیل دهنده آن، با توجه به داده های آزمایشگاهی و بر اساس شبیه سازی به کمک شبکه عصبی صورت می گیرد برای تأمین کارایی مورد نیاز، مطابق آیین نامه بتن آمریکا (ACI)، میزان آب طرح اختلاط با توجه به حدود کارایی متناظر آنها کنترل می گردد نتایج این مطالعه کارایی متودولوژی پیشنهادی در ارائه طرح اختلاط بهینه بتن با مقاومت فشاری و کارایی مورد نظر و بدون فرآیند سعی و خطا را نشان می دهد.

________________________________

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

** 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. **

پاورپوینت ارزیابی روش رگرسیون در پیشبینی حجم ترافیک و مقایسه آن با روش شبکه عصبی

پاورپوینت ارزیابی روش رگرسیون در پیشبینی حجم ترافیک و مقایسه آن با روش شبکه عصبی

چکیده :

—دادهکاوی فرآیند تجزیه و تحلیل داده ها و تبدیل آن به اطلاعات مفید است. در این فرآیند از ابزارهای متفاوتی استفاده می شود، یکی از این ابزارها استفاده از رگرسیون در این فرآیند است. رگرسیون روشی برای مدلسازی و تحلیل داده های عددی است. این روش برای پیشبینی مقادیر آینده ی متغیر وابسته، آزمودن نظریه ها، و تحلیل پدیده شناختی پدیده ها به کار میرود. این روش به کاربر اجازه می دهد تا از ابعاد مختلف به تجزیه و تحلیل داده ها، دسته بندی آنها و خلاصه آنها به روابط شناخته شده بپردازد. در حوزه حمل و نقل که همواره با حجم انبوهی از داده ها مواجه می باشد، پردازش داده ها و داده کاوی اهمیت شایانی دارد. در این تحقیق ضمن بررسی پیشبینی حجم ترافیک به بررسی روش رگراسیون در فرآیند مدلسازی پرداخته می شود. سپس از این روش برای پیشبینی حجم برونشهری محور ساری- قائمشهر و محور بابل – قائمشهر استفاده میشود. و صحت مدل استفاده شده در مقایسه با روش شبکه عصبی اعتبارسنجی شده است. نتایج حاصل از تحقیق، قدرت بالای رگرسیون در را در پیشبینی های ترافیکی نشان می دهد.

کلمات کلیدی: حمل و نقل، پیشبینی حجم ترافیک، رگرسیون، شبکه عصبی

جداسازی بادام های به هم چسبیده و طبقه بندی کیفی آنها با تلفیق تکنیکهای پردازش تصویر و شبکه عصبی مصنوعی

دانلود مقاله نهمین کنگره مهندسی بیوسیستم و مکانیزاسیون اردیبهشت 94 تهران، کرج

مدل سازی مقاوم یک سیستم غیر خطی با استفاده از شبکه عصبی نوع GMDH تلفیقی با فیلتر کالمن

مدل سازی مقاوم یک سیستم غیر خطی با استفاده از شبکه عصبی نوع GMDH  تلفیقی با فیلتر کالمن

50 صفحه فایل ورد و قابل ویرایش

فهرست مطالب

عنوان                                                                                                        صفحه

فهرست جدول‌ها ‌ب

فهرست شکل‌‌ها ‌ج

فصل 1-    مقدمه  1

1-1-    بیان مسأله. 1

فصل 2-   فیلتر ترکیبی کالمن و GMDH... 3

2-1-    مقدمه  3

2-2-    مدلهای شبکه عصبی مبتنی بر الگوریتم ژنتیک.... 6

2-3-    مدلهای شبکه عصبی مبتنی بر الگوریتم GMDH... 7

2-4-    مدل سازی با استفاده از شبکه عصبی نوع GMDH... 11

2-4-1-     مبنای ریاضی الگوریتم GMDH... 12

2-4-2-     معرفی الگوریتم GMDH بر اساس تئوری و آنالیز مدلسازی سیستم ها 14

1-1-1-     مدلسازی سیستم های جزئی.. 17

2-4-2-1-   روش حل معادلات متعامد(SNE). 19

2-4-3-     روش تجزیه مقادیر منفرد(SVD). 19

2-4-4-     روش SVD برای ماتریس مربعی : 21

2-5-    ویژگی های عمومی شبکه های GMDH... 25

2-6-    طراحی ساختارهای گوناگون برای شبکه های GMDH... 27

2-6-1-      متد اول: طرح ساختار شکل گرفته بر اساس افزایش فشار انتخاب (I.S.P) 28

2-6-2-      متد دوم : طرح ساختار از پیش تعیین شده (P.S.D) 29

2-6-3-      متد سوم : طراحی تکاملی ساختار شبکه عصبی(ED) 31

2-7-    کاربرد فیلتر UKF در تخمین ضرایب شبکه عصبی نوع GMDH... 31

2-8-    ترکیب اطلاعات بر اساس فیلتر کالمن.. 33

2-9-    مقایسه تئوریها 36

2-10-  معرفی شبکه ای جدید از خانواده GMDH بر اساس ساختمان  ANFIS.. 41

فهرست مراجع.. 47

کاربرد داده کاوی در کشف دانش پنهان میان داده های سامانه 137 شهرداری تهران

پایان نامه کارشناسی ارشد مدیریت امور شهری

118 صفحه

چکیده:

شهرداری یکی از کلیدی ترین سازمان هایی است که در ارائه ی خدمات شهری به شهروندان نقش مهمی ایفا می کند. این سازمان با به کار بستن دانش فن آوری اطلاعات و سیستم های مخابراتی و نیز توان متخصصان داخلی و مجرب در مدیریت شهری، سامانه ای را ایجاد نموده است که شهروندان را نسبت به محیط زندگی خویش وارد عرصه مدیریت می نماید و تلاش نموده امور شهری را با مشارکت فعال همین شهروندان به انجام رساند. از این رو می توان سامانه ی 137 را بانک اطلاعاتی دانست که داده های ارزشمندی در زمینه ی مسایل شهری در آن جای گرفته است. 

اطلاعات حاصل از این سامانه، حاوی مطالب مفیدی در مورد خدمات ارائه شده به شهروندان است و می تواند به عنوان منبعی مهم و مناسب در انجام تحلیل های داده کاوی مورد استفاده قرار بگیرد. به عنوان نمونه با استفاده از این تحلیل ها می توان وقایع و مشکلاتی که ممکن است در آینده گریبان شهر را بگیرد پیش بینی کرد و آماده مقابله با این مشکلات شد.

در این تحقیق که از نوع تحقیقات کاربردی –توصیفی محسوب می شود، داده های سال 1389 سامانه 137 با استفاده از نرم افزار کلمنتاین 12 برای انجام فرایند داده کاوی مورد استفاده قرار گرفته است. یکی از نتایج این تحقیق تعیین همگنی مناطق از منظر سامانه 137 با استفاده از تکنیک خوشه بندی به دو دسته است؛ که نشان می دهد مناطقی که در دسته دوم قرار گرفته اند آمادگی و آگاهی بیشتری برای برقراری ارتباط با سامانه دارند و میزان تماس بالاتر شهروندان این مناطق ارتباطی با مشکلات بیشتر آن ها ندارد.

هم چنین با استفاده از قوانین وابستگی ارتباط میان مشکلات، مناطق و نواحی مورد بررسی قرار گرفته است و مشخص گردید کدام نواحی در هر منطقه بیشتر مستعد بروز برخی مشکلات و معضلات شهری هستند که شهرداری می تواند با کسب آمادگی بیشتر از بروز آن جلوگیری نماید.

علاوه بر آن، نتایج به دست آمده، الگوهای جالبی را نیز در پیش بینی تعداد تماس های مربوط به آب گرفتگی و آب افتادگی یک منطقه بر اساس میزان بارش و یا تعیین وابستگی میان پیام های آب گرفتگی بین نواحی مختلف یک منطقه خاص به دست داد.

انتظار می رود نتایج به دست آمده در مدیریت مشکلات شهری و افزایش سطح رضایت مندی شهروندان موثر واقع شود.

کلمات کلیدی: مدیریت شهری، سامانه ی 137، داده کاوی، خوشه بندی، قوانین وابستگی، مدل خطی تعمیم بافته، شبکه عصبی