آنی پیپر
دانلود فایل‌های آموزشی دانش‌آموزی و دانشجویی
  2. پایان نامه
  3. پایان نامه مهندسی عمران
  4. پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

تعداد صفحات: 182 فرمت فایل: word کد فایل: 10002056
سال: 1387 مقطع: مشخص نشده دسته بندی: پایان نامه مهندسی عمران
قیمت قدیم:۲۴,۸۰۰ تومان
قیمت: ۲۲,۷۰۰ تومان
دانلود فایل
کلمات کلیدی: روش اندازه حرکت - شبکه عصبی پرسپترن - شبکه های عصبی مصنوعی - شبکۀ  عصبی - شرایط روسازی - ضریب همبستگی - مدل رگرسیونی - مدیریت روسازی - وضعیت روسازی
  • خلاصه
  • فهرست و منابع

  • خلاصه پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

    پایان نامه برای دریافت درجه کارشناسی ارشد M.Sc”

    مهندسی عمران -راه و ترابری 

    چکیده

    تشخیص به موقع شرایط نامطلوب روسازی به عنوان مسئله مهمی در حوزه مدیریت روسازی در سطح شبکه مطرح می باشد و در گذشته مدل های متفاوتی همچون رگرسیون و توزیع احتمالاتی برای آن در نظر گرفته شده است . برای پیش بینی شرایط روسازی در آینده لازم است که از شاخص هایی استفاده شود که کیفیت روسازی را با یک عدد که بیانگر وضعیت کلی روسازی است نمایش دهد. از مهمترین شاخص هایی که در این زمینه وجود دارد می توان به PCI وMCI وIRI اشاره نمود. شاخصی که دراین تحقیق مورد استفاده قرار گرفته است IRI است که توسط بانک جهانی در دهۀ ٨٠ ارائه شده است و اهمیت ویژه ای از دید استفاده کنندگان راه دارد. در این تحقیق سعی شده با استفاده از شبکه های عصبی مصنوعی که یک رویکرد بیولوژیکی است به پیش بینی مقدار IRI در سالهای آینده با استفاده ازداده های LTPP پرداخته شود. برای این منظور مدل های متفاوتی از شبکه های عصبی مصنوعی از نظر ساختاری با استفاده از ورودی هایی که در تخریب روسازی نقش ایفا می کنند تحت آموزش به روش اندازه حرکت (Momentum) قرار گرفتند و سپس به وسیله داده های آزمایش ارزیابی شدند.شبکۀ دارای چهار لایۀ مخفی با تعداد ٥ نرون در هر لایه دارای بیشترین توانایی تعمیم است .و ضریب همبستگی داده های آزمایشی با داده های پیش بینی

    ٩٦% است که نشان دهندٔە کارایی قابل قبول شبکه است .در انتها داده های پیش بینی شدٔە بهترین مدل شبکه عصبی با داده های پیش بینی شدٔە مدل رگرسیونی از نظر میزان خطای پیش بینی مورد مقایسه قرار گرفتند.که مدل شبکه عصبی درپیش بینی ٢٢ مورد از ٣٨ سری دادٔە آزمایشی خطایی کمتر از ١٠ درصد داشت در حالی که در مورد مدل رگرسیونی این عدد به ٦ داده می رسد. نتایج داده های آزمایش نشان داد که شبکه نهایی می تواند شرایط روسازی  یک شبکه را حداکثر برای مدت ٤ سال پیش بینی کند.

     

    کلمات  کلیدی :  شرایط روسازی - شبکۀ  عصبی -روش  آموزش - اندازه  حرکت -  مدل رگرسیونی - ضریب همبستگی

    مقدمه

    به علت عدم توجه به نگهداری درست و عدم آگاهی مدیران از فنون مدیریت های صحیح و علمی بهره برداری ، روسازی های ساخته شده در برخی موارد حتی به نصف عمر مفید و طبیعی خود نیز نرسیده وبه سرعت فرسوده و مستهلک می شوند. به عنوان مثال ،تحقیقات اخیر بانک جهانی نشان می دهد که یک غفلت کوچک و عدم نگهداری یک قطعۀ راه در موقع مناسب آن و افزایش ضریب زبری از ٢٥٠٠ به ٤٠٠٠ ، نیاز به یک بودجه نگهداری معادل ٥ برابر بودجه ای که در صورت نگهداری به موقع لازم بود،داشته و حتی عدم تخصیص این بودجه ٥ برابر در این موقع هم باز به معنای افزایش سرعت استهلاک و در نهایت نابودی راه مزبور خواهد شد. به عبارت دیگر در صورت تخصیص به موقع بودجۀ نگهداری و انجام به موقع نگهداری شبکۀ راهها ، با همان بودجه می توان شبکه ای با طول ٥ برابر را نگهداری نمود. بدین منظور روش های متفاوتی برای پیش بینی وضعیت روسازی بوجود آمد. با توجه به اینکه  این روش ها خالی از اشکال نمی باشند، محققان همواره در تلاش بوده اند تا به روش های مناسب تری دست یابند. روشی که در این تحقیق بکار گرفته شده است ، رویکرد شبکۀ عصبی مصنوعی است که در سالهای اخیر گسترش  چشمگیری در علوم مهندسی یافته است .

    فصل اول

     تعریف مسئله

    3

     ١-١ کلیات

    شبکه های عصبی مصنوعی در بسیاری از موارد تحقیقی ودر تخصص های گوناگون به کار گرفته شده اند وبه عنوان یک زمینه تحقیقاتی بسیار فعال موجب همکاری دانشمندان در چند زمینه علمی از قبیل مهندسی رایانه ،برق ،عمران و صنایع را فراهم نموده است .از موارد کاربرد شبکه های عصبی می توان به طبقه بندی اطلاعات ، شناخت ویژگی های حروف و شکل ها، برآورد توابع وغیره اشاره نمود. کاربرد شبکه عصبی در مهندسی عمران روز به روز در حال توسعه است و بی شک در آینده شاهد فراگیر شدن و گسترش این علم خواهیم بود [١٣].

    شبکه های عصبی مصنوعی که امروزه در کاربردهای فراوانی ارزش بالای خود را نشان داده اند، براساس مدل بیولوژیکی مغز جانوران به وجود آمده اند. شبکه های عصبی مصنوعی ممکن است از چند نرون تا چند هزار نرون تشکیل شده باشند و اندازه شبکه بستگی به پیچیدگی مسئله دارد. نرون ورودی هایی را که به طریق خاصی جمع می شوند پذیرا می گردد

     [١٦]. تصور می شود این شبکه ها پیش بینی و تخمین وضعیت روسازی در آینده را بتواند به نحو مناسبی به انجام برساند.

    ١-٢ ضرورت انجام تحقیق

    مدل های پیش بینی شرایط روسازی راه که شبیه سازی فرآیند زوال روسازی را عملی ساخته وشرایط روسازی راه را با گذشت زمان مورد پیش بینی قرار می دهند در واقع نقش مهمی را در سیستم مدیریت روسازی راه ایفا می کنند. اما پیش بینی فرآیند زوال روسازی آنچنان پیچیده است که یافتن شکل عملی مناسبی برای آن ،کاری سخت و بعضاً غیر ممکن است از این رو در این تحقیق یافتن مدل مناسبی که با الهام از شرایط بیولوژیکی بتواندشرایط روسازی را پیش بینی کند در دستور کار قرار دارد [٢].

    4مدل های پیش بینی وضعیت روسازی هم در سطح شبکه و هم درسطح پروژه برای تحلیل وضعیت روسازی و همچنین ضروریات ترمیم و نگهداری به کار می روند.در واقع در سطح شبکه از مدل های پیش بینی به منظور پیش بینی وضعیت روسازی در آینده ، برنامه ریزی برای اختصاص بودجه زمان بندی بازرسی و برنامه ریزی های کاری استفاده می شود و در سطح پروژه برای انتخاب گزینه های خاص ترمیم برای مقابله با شرایط زوال روسازی ناشی از عواملی همچون بارگذاری های ترافیکی وشرایط جوی می باشد [١٧].

    ١-٣ اهداف و فرضیات

    هدف اصلی این تحقیق یافتن مدلی است که بتواند وضعیت روسازی را در سطح شبکه در آینده پیش بینی کند. برای این منظور از شبکه های عصبی مصنوعی که بر گرفته از شرایط بیولوژیکی است استفاده شده است . با توجه به آنکه شبکه های عصبی مصنوعی امروزه به صورت گسترده در علوم مهندسی مورد استفاده قرار گرفته انتظار می رود که نتایج مناسبی را در این تحقیق به دنبال داشته باشد.

    در رابطه با وضعیت روسازی شاخص های مختلفی وجود دارد که ازمیان آنها شاخص هایی همچون PSI، PCI وIRI بصورت گسترده تری در سطح جهان کاربرد دارد. در این تحقیق از شاخص بین المللی ناهمواری IRI استفاده شده است . این شاخص که در دهه ٨٠ توسط بانک جهانی ارائه شد برای تعریف خصوصیات پروفیل طولی راه در طول مسیر پیمایش چرخ و همچنین برای شکل گیری یک استاندارد جهت اندازه گیری ناهمواری سطح راه به وجود آمد

    [١].اکثر روش های ارزیابی وضعیت روسازی شبیه سازی را ارایه می دهند تا با کمک آن بتوان وضعیت روسازی را ارایه نمود. هر شبیه سازی تابعی از اطلاعات مسیر بوده که بر روی آنها

    5محاسبات صورت می گیرد و پس از تحلیل و پردازش ، نتیجه به صورت یک عدد بیان می شود که نشان دهنده ی وضعیت روسازی است .

    روسازی مورد استفاده در این تحقیق از نوع انعطاف پذیر است ومتغیر های ورودی شامل عمر روسازی به صورت یک عدد ،تعداد محور معادل ٨.٢ تنی ،میزان بارندگی و ضخامت معادل روسازی با استفاده از ضرایب انستیتوآسفالت است .البته عوامل دیگری همچون کیفیت آسفالت ، کیفیت اجرا، تکنولوژی ساخت و... می تواند در پروسه زوال روسازی نقش داشته باشند که به علت عدم دسترسی به این عوامل در این تحقیق منظور نشده اند.

    ١-٤ نوآوری

    با توجه به اهمیت پیش بینی وضعیت روسازی که منجر به برنامه ریزی های بلندمدت در خصوص زمان و گزینه های ترمیم و نگهداری روسازی می شود مدل های متفاوتی ارائه شده است از جملۀ این مدل ها می توان به برونیابی مستقیم (برای پیش بینی های کوتاه مدت ) و مدل رگرسیونی اشاره کرد. در سالهای اخیر با گسترش کاربرد شبکه های عصبی مصنوعی تحقیقات زیادی در مورد روسازی با استفاده از این رویکرد صورت گرفته است که بیشتر آنها تنها به پیش بینی یکی از انواع خرابی ها پرداخته اند در صورتی که در این تحقیق سعی شده به پیش بینی شاخص IRI با استفاده از شبکۀ عصبی مصنوعی پرداخته شود.

    فصل دوم

    کاوش در متون

    ٢-١مقدمه

    به علت عدم توجه به نگهداری درست و عدم آگاهی مدیران از فنون مدیریت های صحیح و علمی بهره برداری ، روسازی های ساخته شده در برخی موارد حتی به نصف عمر مفید و طبیعی خود نیز نرسیده وبه سرعت فرسوده و مستهلک می شوند. به عنوان مثال ،تحقیقات اخیر بانک جهانی نشان می دهد که یک غفلت کوچک و عدم نگهداری یک قطعۀ راه در موقع مناسب آن و افزایش ضریب زبری  از ٢٥٠٠ به ٤٠٠٠ ، نیاز به یک بودجه نگهداری معادل ٥ برابر بودجه ای که در صورت نگهداری به موقع لازم بود،داشته و حتی عدم تخصیص این بودجه ٥ برابر در این موقع هم باز به معنای افزایش سرعت استهلاک و در نهایت نابودی راه مزبور خواهد شد. به عبارت دیگر در صورت تخصیص به موقع بودجۀ نگهداری و انجام به موقع نگهداری شبکۀ راهها ، با همان بودجه می توان شبکه ای با طول ٥ برابر را نگهداری نمود[٢٢]. بدین منظور روش های متفاوتی از جمله روش برونیابی مستقیم و روشهای رگرسیونی برای پیش بینی وضعیت روسازی بوجود آمد. با توجه به اینکه روش هایی که برای پیش بینی و تخمین در علوم مختلف استفاده می شود خالی از اشکال نمی باشند، محققان همواره در تلاش بوده اند تا به روش های مناسب تری دست یابند. یکی از این روش ها که در سالهای اخیر در علوم مهندسی به شدت گسترش یافته رویکرد شبکۀ عصبی مصنوعی است که از اواخر دهۀ ٨٠ در مهندسی عمران نیزشروع به رشد نمود.شبکه های عصبی از نظر ساختاری دارای انواع مختلفی می باشند که شبکه های عصبی پرسپترون ،کوهونن وهاپفیلد از مهمترین آنها هستند. ازکاربرد شبکه های عصبی در مهندسی عمران می توان به بهینه سازی سازه ها، تخمین هزینه های اجرا، پیش بینی در روسازی و تخمین جریان ترافیکی نام برد.در این فصل ابتدا به معرفی چند نوع از شبکه های عصبی پرداخته و سپس به کاربردهای شبکه

    عصبی در قالب تحقیقاتی که در زمینه مهندسی راه و ترابری با استفاده از شبکه های عصبی انجام شده است می پردازیم .

    -٢ انواع شبکه های عصبی

    ٢-٢-١ شبکه عصبی پرسپترن

    با توجه به اینکه در فصل روش تحقیق به طور مفصل در مورد این شبکه بحث شده است از بیان توضیح در مورد این نوع شبکه در این قسمت خودداری می کنیم .

    ٢-٢-٢ شبکه خود سازمان ده کوهونن

    ٢-٢-٢-١ کلیات

    پروفسور کوهونن ، عضو هیأت علمی گروه علوم اطلاعاتی دانشگاه هلسینکی ، سال های متمادی در زمینۀ شبکه های عصبی ، قبل از ظهور گرایش های علمی جاری در سال های میانی

    ١٩٨٠، تحقیق کرده است . او به طور وسیع با مفاهیم حافظۀ انجمنی و مدل سازی فعالیت های عصبی کار کرده است . کار او عمدتاً در جهت ساخت مدلی برای فرایند فراگیری خود سازمان ده و تطبیقی مغز متمرکز شده است [١٥]. مدل کوهونن یک مدل بدون ناظر است . در این مدل تعدادی سلول عصبی که معمولاً در یک توپولوژی مسطح کنار یکدیگر چیده می شوند با رفتار متقابل روی یکدیگر وظیفۀ شبکه خودسازمانده را ایفا می کنند. این وظیفه تخمین یک تابع توزیع است . بردار xєRn را که هر یک از درایه های آندارای چگالی احتمال (Pi)x است در نظر بگیرید. در این فضای چگالی نمونه هایی را به تناوب و تصادف انتخاب کرده و به شبکه اعمال می شود. بر اساس موقعیت بردار ورودی در فضای Rn، وزن های سلول ها طبق الگوریتمی خاص که در ادامه به آن پرداخته شده تغییر می کنند. این تغییر به نحوی انجام می پذیرد که در نهایت بردارهای وزن مربوط به سلول ها بطور یکنواخت در فضای چگالی احتمال ورودی توزیع می شوند و بدین ترتیب شبکه با پراکندن سلول های خوددر فضای ورودی ،چگالی آن را تخمین می زند. پراکندگی سلول ها در فضای احتمال ورودی به نوعی می تواند فشرده سازی احتمالات محسوب شود، زیرا اکنون هر سلول مبین تقریبی از یک محدودٔە مشخص در فضای Rn است [١٢

     

    Abstract

    Identification of undesirable pavement conditions is time consuming and one

    of the most remarkable challenges in pavement management at network level.

    Different models have been used for it, like regression and probability

    distribution .In the future, it will be necessary to use indexes which indicate

    pavement quality with a figure that shows general pavement condition.

    Among the most important indexes are PCI, MCI and IRI .The indexes which

    has been used in this research is IRI, which was declared by the world bank in

    1980s and is quite noticeable among users.  In this research, prediction of IRI

    extent in the coming years has been studied by artificial neural networks,

    which are biologic through LTPP data. For this reason, different structural

    models of artificial neural networks were instructed by momentum, with

    inputs which participate in pavement destruction. The network with four hid

    layers and five neurons per layer, has the most universalization. The

    coefficient of correlation of experimental data with predicted data is 96%,

    which shows suitable efficiency of the network. Then, these models were

    investigated with data from the experiment. Finally predicted data from the

    proposed model of the artificial neural network was compared with the

    predicted data from the regression model, for extent of errors. The neural

    networks prediction of 22 among 38 experimental data had an error less than

    10%.while in the regression model the number is 8. The conclusion of the

    experiments indicated that the final network can predict pavement conditions

    maximum for the period of 4 years . 

  • فهرست و منابع پایان نامه پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی

    فهرست:

     

     عنوان                                                                                                                 شماره صفحه

    چکیده ............................................................................................................................................................................................................... ١

    مقدمه ................................................................................................................................................................................................................ ٢

    فصل اول : تعریف مسئله ..................................................................................................................................................................٣

    ١-١ کلیات ....................................................................................................................................................................................................... ٤

    ١-٢ ضرورت انجام تحقیق .............................................................................................................................................................................٤

    ١-٣ اهداف و فرضیات .....................................................................................................................................................................................٥

    فصل دوم : کاوش در متون ................................................................................................................................................................٧

    ٢-١ مقدمه ........................................................................................................................................................................................................٨

    ٢-٢ انواع شبکه های عصبی ..........................................................................................................................................................................٩

    ٢-٢-١ شبکۀ عصبی پرسپترون ...................................................................................................................................................................٩

    ٢-٢-٢ شبکۀ خود سازمان ده کوهونن ............................................................................... ......................................................................٩

    ٢-٢-٢-١ کلیات .................................................................................................................. ...........................................................................٩

    ٢-٢-٢-٢ الگوریتم کوهونن ................................................................................................. .....................................................................١٠

    ٢-٢-٢-٣ توجیه بیولوژیکی ........................................................................................... ...........................................................................١٢

    ٢-٢-٢-٤ اصلاح ضرایب وزنی ................................................................................ ..................................................................................١٤

    ٢-٢-٢-٥ تعیین مقادیر اولیۀ ضرایب وزنی ......................................................................... ..................................................................١٥

    ٢-٢-٢-٦ همسایگی ..................................................................................................... ..............................................................................١٧

    ٢-٢-٢-٧ کاهش شعاع همسایگی ........................................................................ ...................................................................................١٨

    ٢-٢-٢-٨ توابع چگالی نقطه ای ............................................................................. .................................................................................١٩

    ٢-٢-٢-٩ مقداری کردن بردار آموزشی ................................................................. ................................................................................١٩

    ٢-٢-٣ شبکه های هاپفیلد......................................................................................... ...............................................................................٢٠

    ٢-٢-٣-١ کلیات ............................................................................................................. .............................................................................٢٠

    ٢-٢-٣-٢ مدل شبکه هاپفیلد...................................................................................................................................................................٢١

    ٢-٢-٣-٣ صفحه انرژی ........................................................................... ..................................................................................................٢٢

    ٢-٢-٣-٤ ذخیرٔە الگوها............................................................................ .................................................................................................٢٤

    ٢-٢-٣-٥ یادآوری ...................................................................................................... .................................................................................٢٦

    ٢-٣ کاربردهای شبکۀ عصبی در مهندسی راه .......................................................... ............................................................................٣٠

    ٢-٣-١ استفاده از شبکه عصبی برای یافتن همبستگی میان IRI و خرابی های روسازی .................. .........................................٣٠

    ٢-٣-٢ استفاده از شبکه عصبی برای تحلیل و طراحی روسازی های انعطاف پذیر................... ......................................................٣٨

    ٢-٣-٣ مدل پیش بینی شیارچرخ در روسازی های انعطاف پذیر......................................................................................................٤٢

    ٢-٣-٤ مدل سازی تأثیر درصد مصالح سنگی شکسته در مقاومت مارشال آسفالت  با بکارگیری شبکه های عصبی مصنوعی .... ٥١

    ٢-٣-٣ استفاده از شبکه عصبی برای طراحی مدل تخمین جریان ترافیک .....................................................................................٥٨

    ٢-٤ جمع بندی ....................................................................................................... ....................................................................................٥٩

    فصل سوم : روش تحقیق ........................................................................................... ...................................................................٦١

    ٣-١-١ مقدمه .............................................................................................................. ...............................................................................٦٢

    ٣-٢-١ کلیات شبکه عصبی مصنوعی .................................................................. ...................................................................................٦٢

    ٣-٢-٢ ساختار شبکه های عصبی مصنوعی ......................................................... ...................................................................................٦٥

    ٣-٢-٢- ١ شبکه تک لایه ........................................................................................ ...................................................................................٦٦

    ٣-٢-٢-٢ شبکه های چند لایه .............................................................................. ...................................................................................٦٨

    ٣-٢-٣ وظایف شبکه عصبی ....................................................................................... ..............................................................................٦٩

    ٣-٢- ٤ توابع تحریک مورد استفاده در شبکه های عصبی ........................................ .........................................................................٧٠

    ٣-٢-٥ آستانه .................................................................................................................. .............................................................................٧٤

    ٣-٢-٦ اجرای گیت های منطقی AND،OR  و NOT.......................................... ..............................................................................٧٥

    ٣-٢-٦-١ نیاز به پیدا کردن وزن ها به صورت تحلیلی ...................................... ..................................................................................٧٦

    ٣-٢-٦-٢ پیدا کردن وزن ها به صورت تحلیلی برای شبکه AND....................................................................................................77

    ٣-٢-٧ تعدادی از شبکه های عصبی مصنوعی با توپولوژی پرسپترون ..............................................................................................٧٩

    ٣-٢-٨ نگاهی اجمالی به الگوریتم های آموزش ......................................................................................................................................٨٠

    ٣-٢-٨-١ هدف از آموزش شبکه ..............................................................................................................................................................٨١

    ٣-٢-٨-٢ آموزش نظارت شده ...................................................................................................................................................................٨١

    ٣-٢-٨-٣ آموزش غیرنظارت شده ............................................................................................................................................................٨٢

    ٣-٢-٩ روش های آموزشی ..................................................................................... ....................................................................................٨٣

    ٣-٢-٩-١ روش نزول گرادیان .......................................................................... ........................................................................................٨٣

    ٣-٢-٩-٢ روش اندازه حرکت ............................................................................ .......................................................................................٨٦

    ٣-٢-١٠ معیار کارآیی شبکه ....................................................................................... .............................................................................٨٧

    ٣-٢-١٠-١ متوسط خطای مطلق .................................................................................... .......................................................................٨٧

    ٣-٢-١٠-٢ میانگین خطای نسبی بین خروجی های حقیقی و دلخواه .......................... .................................................................٨٧

    ٣-٢-١٢-٣ جذر میانگین مربع خطاها............................................................................... .................................................................. ٨٨

    ٣-٢-١٠-٤ ضریب همبستگی ........................................................................................... .......................................................................٨٨

    ٣-٢-١١ شرایط تعمیم موفقیت آمیز................................................................................ .......................................................................٩٠

    ٣-٣ بررسی وضعیت روسازی ......................................................................................... ...........................................................................٩٢

    ٣-٣-١ مقدمه ................................................................................................................ ...............................................................................٩٢

    ٣-٣-٢ معرفی روش های ارزیابی وضعیت روسازی ........................................................ .....................................................................٩٢

    ٣-٣-٢-١ معرفی روش PCI....................................................................................... ............................................................................٩٣

    ٣-٣-٢-٢ روش MCI................................................................................................ ...............................................................................٩٤

    ٣-٣-٢-٣ روش PSI..................................................................................................... ........................................................................... ٩٥

    ٣-٣-٢-٤ شاخص PCR............................................................................................................................................................................97

    ٣-٣-٢-٥ روش RCI...............................................................................................................................................................................100

    ٣-٣-٣ ناهمواری راه ..................................................................................................................................................................................١٠١

    ٣-٣-٣-١ تعریف ناهمواری راه ................................................................................................................................................................١٠١

    ٣-٣-٣-٢ کاربردهای اندازه ناهمواری سطح راه ..................................................................................................................................١٠٢

    ٣-٣-٣-٣ عوامل ایجادکننده ی ناهمواری در راه و دلایل ایجاد آنها...............................................................................................١٠٣

    ٣-٣-٣-٤ سیستم های اندازه گیری ناهمواری .......................................................................................................................................١٠٤

    ٣-٣-٤ معرفی روش IRI..........................................................................................................................................................................104

    ٣-٣-٥ مبانی اساسی شاخص IRI..........................................................................................................................................................106

    ٣-٣-٦ مشخصه های مهم شاخص IRI..................................................................................................................................................109

    ٣-٣-٧ تفسیر مقادیر IRI مطابق استاندارد ASTM...........................................................................................................................110

    ٣-٣-٦-١ راه های بارویه آسفالتی ...........................................................................................................................................................١١١

    ٣-٣-٦-٢راه های بارویه شنی ..................................................................................................................................................................١١٢

    ٣-٣-٧ مقیاس ناهمواری در سیستم IRI...............................................................................................................................................113

    فصل چهارم : مدل شبکۀ عصبی ...........................................................................................................................................١١٤

    ٤-١ مقدمه .................................................................................................................................................................................................١١٥

    ٤-٢ ارزیابی روسازی ..................................................................................................................................................................................١١٥

    ٤-٣ متدولوژی شبکه های عصبی ..........................................................................................................................................................١١٦

    ٤-٣-١ معماری ...........................................................................................................................................................................................١١٦

    ٤-٣-١ تابع فعال سازی نرون ..................................................................................................................................................................١١٧

    ٤-٣-٢ روش آموزش .................................................................................................................................................................................١١٧

    ٤-٤ پیش پردازش داده ها.......................................................................................................................................................................١١٩

    ٤-٥ داده ها.................................................................................................................................................................................................١١٩

    ٤-٦ ارزیابی وارزشیابی مدل .....................................................................................................................................................................١٢٠

     

    فصل پنجم :تجزیه و تحلیل داده ها ....................................................................................................................................١٢١

    ٥-١ ارزیابی مدل های اولیه .....................................................................................................................................................................١٢٢

    ٥-٢ مدل های پیش بینی با در نظر گرفتن تمام متغیر های ورودی .............................................................................................١٢٥

    ٥-٢-١ شبکه عصبی با یک لایه پنهان ..................................................................................................................................................١٢٦

    ٥-٢-٢ شبکه عصبی با دولایه پنهان .....................................................................................................................................................١٣٠

    ٥-٢-٣ شبکه عصبی با سه لایه پنهان ..................................................................................................................................................١٣٤

    ٥-٢-٤ شبکه عصبی باچهارلایه پنهان ..................................................................................................................................................١٣٨

    ٥-٣ معرفی شبکه بهینه ...........................................................................................................................................................................١٤٢

    ٥-٤ مقایسه مدل شبکه عصبی با مدل های رگرسیونی ...................................................................................................................١٤٥

    فصل ششم : نتیجه گیری و پیشنهادات ......................................................................................................................... ١٥٠

    ٦-١ نتایج .....................................................................................................................................................................................................١٥٠

    ٦-٢ پیشنهادات ..........................................................................................................................................................................................١٥٣

    پیوست یک : روش محاسبۀ IRI..............................................................................................................................................154

    پ-١ سیستم های اندازه گیری ناهمواری ................................................................................................................................................١٥٥

    پ-٢ پروفیل راه ..........................................................................................................................................................................................١٥٥

    پ-٣  روند پیشرفت تجهیزات برداشت ناهمواری راه .........................................................................................................................١٥٦

    پ-٤ مقایسه بین IRI و پاسخ های وسیله نقلیه ...........................................................................................١٦١

    پ-٥  اثر طول موج بر IRI......................................................................................................................165 پ-٦ بررسی سرعت حرکت و تعداد چرخ های برداشت کننده ناهمواری در تجهیزات مورد

     استفاده برای تعیین میزان IRI ................................................................................................................١٦٦

    پ-٧محاسبۀ IRI........................................................................................................................................................................................169

     

    منابع و مأخذ.........................................................................................................................................................................................١٧٧

    فهرست منابع فارسی .................................................................................................................................................................................١٧٨

    فهرست منابع لاتین ...................................................................................................................................................................................١٨٠

    سایت های اطلاع رسانی ...........................................................................................................................................................................١٨١

    چکیدٔە انگلیسی ..........................................................................................................................................................................................١٨٢

      

    منبع:

     

    ١١. منهاج ، محمد با قر،"هوش محاسباتی "جلد اول ،انتشارات دانشگاه صنعتی امیر کبیر،١٣٨٤.

    ١٢. منهاج ، محمد با قر و سیفی پور، نوید،"هوش محاسباتی "جلد دوم ، مرکز نشر پروفسور حسابی ،١٣٧٧.

    ١٣. کاوه ، علی و ثروتی ، همایون ،"شبکه های عصبی مصنوعی در تحلیل وطراحی سازه ها"،انتشارات مرکز تحقیقات ساختمان و مسکن ،١٣٨٤.

    ١٤. کاوه ، علی وایرانمنش ، عباس ،"شبکه های عصبی مصنوعی در بهینه سازی سازه ها"،انتشارات مرکز تحقیقات ساختمان و مسکن ،١٣٨٤.

    ١٥. البرزی ، محمود،"آشنایی با شبکه های عصبی "انتشارات علمی دانشگاه صنعتی شریف

    ،1383.

    ١٦. غضنفری ، مهدی و ارکات ،جمال ،"شبکه های عصبی (اصول و کارکرد ها)"،انتشارات دانشگاه علم و صنعت ، ١٣٨٣.

    ١٧. عامری ، محمود و افتخار زاده ،سید فرهاد،"مدیریت روسازی برای راه ها ، فرودگاهها و پارکینگ ها"،انتشارات دانشگاه علم و صنعت ،١٣٧٨.

    ١٨. طباطبایی ، امیر محمد،"روسازی راه "،انتشارات مرکز نشر دانشگاهی ،١٣٧٧.

    ١٩. ملایم ،محمد ،" تحلیل و طراحی روسازی های انعطاف پذیر با شبکه های عصبی مصنوعی "،پایان نامه کارشناسی ارشد، ١٣٨٠.

    ٢٠. کیانفر، جلیل ،" تخمین مدل جریان ترافیک بر پایه ی بکارگیری شبکه عصبی "،پایان نامه کارشناسی ارشد،١٣٨٤.

    ٢١..حسنی ،ابوالفضل و حیدری پناه ،علی ،"مدل سازی تأثیر درصد مصالح سنگی شکست در مقاومت مارشال آسفالت با بکار گیری شبکه های عصبی مصنوعی "،دانشگاه تربیت مدرس ،١٣٨٤

    ٢٢. آیتی ،اسماعیل ،" نگهداری و مدیریت راه "،،انتشارات گل شهر،١٣٨٢

    ٢٣. . جانی پور،الله کرم ،" بررسی روش های ارزیابی کیفیت روسازی راه و ارائه بهترین روش در ایران "،پایان نامه کارشناسی ارشد،.١٣٨٠

    ٢٤. . یزدیان اناری ،امیرحسین ،" معرفی روش های ارزیابی روسازی راه و مقایسۀ آنها"،سمینار کارشناسی ارشد، ١٣٨٤ .

     

    REFRENCE:

    1. Thomas D. Gillespie, Ph. D." Everything You Always Wanted to Know

    about the IRI,But Were Afraid to Ask!", The University of Michigan

    Transportation Research Institute, 1992

    2. Jyh-Dong Lin, Jyh-Tyng Yau, Liang-Hao Hsiao, "Correlation Analysis

    Between International Roughness Index (IRI) and Pavement Distress by

    Neural Network",TRB,2003

    3. Standard Practice forComputing International Roughness Index of Roads

    from Longitudinal Profile Measurements1, E 1926 – 98, 2003

    4.  Michael  W.  Sayers,  Steven  M.  Karamihas,"  The  Little  Book  of

    Profiling",1996

    5. Haykin S., Neural Networks: A Comprehensive Foundation, MacMillan,

    1994.

    6.Rafiqul   Alam   Tarefder,   Luther   White,   and   Musharraf   Zaman,"

    Development and Application Of  A  Rut  Prediction  Model  For  Flexible

    Pavement",TRB,2004

    7. E.J.Yoder , and M . W.Witzack , "Principles of pavement design", Jhon

    Wiley and sons, 2nd Edition , 1975.

    8.Yanbo Ru, "Automated classification of HTML forms on e-commerce web

    sites    ",Department   of    Computer    Science   University    of    Southern

    California,2007

    10. MATLAB 4 "Neural Network Toolbox User’s Guide",The math works,

    2001

     

    سایت های اطلاع رسانی :

    9.www.umoncton.ca

      

مطالب مرتبط با این موضوع:
تعداد صفحه: ۱۷۳ دسته بندی: پایان نامه مهندسی عمران

پایان نامه کارشناسی ارشد عمران سازه های هیدرولیکی چکیده سیل ‌یکی‌از‌مهمترین ‌بلایای‌طبیعی‌است ‌که ‌زندگی‌انسان ‌را‌تحت ‌تاثیر‌قرار‌داده و‌خسارتهای‌اقتصادی‌قابل ‌توجهی‌ را‌در‌تمام ‌دنیا‌ایجاد‌می‌کند.‌براساس ‌مطالعه ‌ای‌که ‌انجام ‌شده ،‌٥٨%‌از‌کل ‌تلفات ‌ناشی‌از‌بلایای‌طبیعی‌و‌٣٣%‌از‌ خسارتهای‌اقتصادی‌مربوط ‌به ‌سیل ‌بوده ‌است .‌بخش ‌اصلی‌این ‌تلفات ‌و‌خسارتها‌در‌کشورهای‌در‌حال ...

تعداد صفحه: ۳۳ دسته بندی: پایان نامه مهندسی کامپیوتر

چکیده: ما یک سیستم بهره برداری مخزن هوشمند جدیدی را بر پایه شبکه عصبی مصنوعی نمو یافت (ANN) را پیشنهاد می دهیم. نمو یافته به معنی پارامترهای مدل ANN می باشد که توسط تکنیک تکاملی بهینه سازی GA شناخته می شود. مزیت های اصلی سیستم هوشمند استنتاج شده ANN (ANNIS) به صورت زیر می باشد: (i) فقط تعداد اندکی از پارامترها حتی برای افقهای بهینه سازی طولانی بهینه می شوند. (ii) سهولت در ...

تعداد صفحه: ۱۴۰ دسته بندی: پایان نامه حسابداری

پایان نامه برای دریافت درجه کارشناسی ارشد گرایش: حسابداری چکیده: در این مقاله به دنبال پیش بینی و ارائه راهکاری برای یافتن ارزش افزوده اقتصادی شرکت های پذیرفته شده در بازار بورس اوراق بهادار تهران هستیم. مبنای پیش بینی های انجام شده در این پژوهش اطلاعات صورت های مالی حسابرسی شده است. داده های مورد استفاده نیز داده های بین سال های 1382 الی 1387 است. پس از انجام محاسبه های لازم با ...

تعداد صفحه: ۱۳۳ دسته بندی: پایان نامه مهندسی عمران

"M.SC پایان نامه برای دریافت درجه کارشناسی ارشد" مهندسی عمران -سازه های هیدرولیکی چکیده بررسی پایداری سدهای خاکی بالاخص ایستایی لرزه ای آنها از اهمیت خاصی برخوردار است .روشهای متعددی برای تعیین ضریب اطمینان پایداری سدهای خاکی وجود دارد. در این پایان نامه شبکه عصبی مصنوعی برای پیش بینی مقادیر ضریب اطمینان و مشخصات سطح لغزش دایره ای بحرانی سدهای خاکی ناهمگن با درنظر گرفتن تأثیر ...

تعداد صفحه: ۲۲۷ دسته بندی: پایان نامه مهندسی عمران

پایان نامه برای دریافت درجه کارشناسی ارشد "M.SC" مهندسی عمران - برنامه ریزی حمل و نقل چکیده سیستم حمل و نقل هوشمند(ITS)، یکی از راهکارهای حل و تخفیف مشکلات مرتبط با حمل و نقل و ترافیک محسوب می شود، این سیستم از بخش های مختلف نرم افزاری و سخت افزاری تشکیل شده است که مدل تخمین جریان ترافیک در کوتاه مدت یکی از این بخش ها می باشد. این مدل با استفاده از اطلاعات وضعیت فعلی ترافیک هر ...

تعداد صفحه: ۱۲۷ دسته بندی: پایان نامه مهندسی عمران

چکیده : استفاده از شبکه عصبی در پیش بینی متغیرهای منابع آبی از جمله آب زیرزمینی بطور گسترده رو به افزایش است. این تحقیق از طریق شبکه عصبی مصنوعی چندین هدف را دنبال می کند، که شامل تعیین پارامترهای موثر بر نوسانات سطح آب زیرزمینی در دشت بیرجند و همچنین بررسی تاثیر مکانی و زمانی پارامترهای سطح آب از طریق دادههای زمانی 10 ساله و سپس مدلسازی نوسانات سطح آب زیرزمینی در پیزومترهای ...

تعداد صفحه: ۱۴۰ دسته بندی: پایان نامه مهندسی عمران

پایان نامه برای دریافت درجه کارشناسی ارشد “M.Sc” مهندسی عمران – سازه های هیدرولیکی چکیده جت های ریزشی در اثر عبور آب روی سازه های هیدرولیکی (سازه هایی چون سرریز وکالورت ) بوجود می آیند. محل برخورد جت با بستر به یک کاهنده انرژی جریان تبدیل شده و حفره آبشستگی شکل می گیرد. این پدیده باعث ناپایداری کل یا قسمتی از سازه می شود. فرآیند آبشستگی در خروجی کالورت به عوامل متعددی چون جنس ...

تعداد صفحه: ۱۸۹ دسته بندی: پایان نامه مدیریت

پایان نامه برای دریافت درجه کارشناسی ارشد گرایش : مدیریت بازرگانی فصل اول کلیات تحقیق مقدمه علم تصمیم گیری همواره با انسان همراه بوده و با ظهور سازمان‌ها، شرکت‌ها و خاصه با تغییرات پرشتاب محیطی توسعه فراوان یافته است. بسیاری از محققان تلاش و همت خویش را در این حوزه متمرکز نموده‌اند تا الگوهای مناسبتر و دقیق‌تری را برای بهبود نظام‌های تصمیم گیری معرفی نموده و تصمیم گیران را با ...

تعداد صفحه: ۷۵ دسته بندی: پایان نامه مهندسی صنایع

چکیده : در این پژوهش به بررسی نقش و تاثیر تکنولوژی نانو در صنایع خودروسازی پرداخته شده است ، NanoCar، مطالعه ای جهانی در مورد تغییرات صنعت خودرو است که همزمان با توسعه فناوری نانو و همگرایی نانو در میان تولیدکنندگان خودرو در سال های 2004 تا 2015 صورت می گیرد. خودروی آینده، با پیشرفت های مقرون به صرفه ای در ارتباط خواهد بود که مبتنی بر کوچک سازی، مواد سبک تر و مستحکم تر و سیستم ...

تعداد صفحه: ۷۹ دسته بندی: پایان نامه مهندسی کامپیوتر

کاردانی کامپیوتر مقدمه این مقاله مقدمه ای بر شبکه های عصبی مصنوعی است. گونه های مختلف شبکه های عصبی توضیح و شرح داده شده است و کاربرد های شبکه های عصبی، نظیر ANN ها در پزشکی بیان شده و همچنین سابقه ای تاریخی از آن به تفصیل آورده شده است. همچنین رابطه بین چیزهای ساختگی و واقعی مورد بررسی قرار گرفته و در مورد آن توضیح داده شده است و به شرح مدل های ریاضی در رابطه با این موضوع و ...

ثبت سفارش
عنوان محصول
قیمت