انتخاب الگوریتم بهینه شبکه عصبی مصنوعی برای تحلیل روسازی صلب را هها

نوع مقاله : علمی - پژوهشی

چکیده

پیش بینی پاسخ روسازیها بر پایه برنامه های بسیار پیشرفته اجزاء محدود، فرصتهای بیشماری را برای ترکیبات پیچیده تحلیل در مهندسی روسازی فراهم کرده است، با این وجود می توان زمان قابل توجه موردنیاز برای انجام تحلیل این مدلها را با کاربرد مدلهای تحلیلی شبکه عصبی مصنوعی حذف کرد. شبک ههای عصبی مصنوعی از لحاظ عملکرد، مدلهای بسیار کارآیی هستند که سرعت محاسباتی آنها کاملاً مستقل از پیچیدگی ریاضیاتی الگوریتم ها یا روش مورد استفاده در تهیه مثالهای آنهاست. در این مقاله از نتایج تحلیل اجزاء محدود 624مدل روسازی بتنی غیرمسلح درزدار، برای انتخاب یک الگوریتم مناسب شبکه عصبی، به عنوان جعبه ابزاری قابل اعتماد برای پی شبینی سریع و دقیق پاسخ روسازی صلب راهها، استفاده شده است. ابزار تحلیلی پیشنهادی،بر اساس نتایج مد لهای شبکه عصبی مصنوعی به صورت یک شبکه انتشار برگشتی چهار لایه شامل دو لایه پنهان و لایه های ورودی و خروجی، با تعداد 18 نورون (2- 18 – 6) و بکارگیری تابع انتقال حلقوی (Sigmoid) بوده که ارایه رگرسیون 0/99928 تاییدی بر قابلیت استفاده از نتایج دقیق حاصل از آن در سایر تحقیقات است. این شبکه امکان دستیابی به مقادیر تنش و اف ت وخیز بحرانی دال روسازی را با کمینه کردن زمان مورد نیاز ایجادمدل و روند تحلیل، و فراهم کردن توانایی تحلیل همزمان مقاطع گوناگون روسازی به ارمغان می آورد.

کلیدواژه‌ها


عنوان مقاله [English]

Optimized ANN Algorithm for Analyzing the Road Rigid Pavements

چکیده [English]

The prediction of pavement responses on the basis of Advanced Finite Element Programs provides endless opportunities for the analysis of complex problems in the pavement engineering. Reducing considerable time in the analysis of such problems with the model of artificial neural network analysis is possible. Artificial neural networks are functionally very practical models whose calculational speed is entirely independent of the complexity of mathematical algorithms or the method used for providing training samples. In this paper, the analytical results of 624 jointed plain concrete specimens is used in order to choose an appropriate neural network algorithm as a reliable tool for road rigid-pavements response. The suggested analytical model is based on results of artificial neural network in the form of a 6-18-2 back propagation ANN network with sigmoid transfer function which provides ability to find critical stress and deflection in PCC in short time for generating model and analysis process of several pavement sections simultaneously.

کلیدواژه‌ها [English]

  • Artificial Neural Networks
  • Rigid pavement
  • finite element analysis
  • Back Propagation