Zastosowanie wybranych metod inteligencji obliczeniowej do wspomagania projektowania składu mieszanki gruntowo-spoiwowej

• Autorzy: Ciołek M.

Warianty tytułu

EN

Application of computational intelligence for supporting of design of mix soil and hydraulic binder

• Języki publikacji: PL

Abstrakty

PL

Artykuł przedstawia propozycję implementacji wybranych metod sztucznej inteligencji do wspomagania procesu doboru optymalnej receptury stabilizacji gruntu spoiwem hydraulicznym. W pracach laboratoryjnych zastosowano metodę wielokrotnej regresji liniowej i bardziej zaawansowaną metodę wielowarstwowej sieci neuronowej. Parametry algorytmów takich jak stopień wielomianu, liczba neuronów, liczba iteracji dobrano na podstawie roboczych testów. Uczenie programów przeprowadzono na 33 recepturach.

EN

The article presents proposal of implementation of selected methods of artificial intelligence for supporting of optimal recipe selection for soil stabilization with hydraulic binder. In laboratory works multiple linear regression and more advanced multi-layer neural network were applied. Algorithm parameters such as degree of polynomial, number of neural an number of iterations were selected on the base of individual tests. Program learning was conducted on 33 recipes.

Słowa kluczowe

PL

mieszanki gruntowo-spoiwowe; receptury; inteligencja obliczeniowa

EN

soil ad hydraulic binder mixes; recipes; computational intelligence

• Wydawca: Stowarzyszenie Inżynierów i Techników Komunikacji Rzeczpospolitej Polskiej
• Czasopismo: Drogownictwo
• Rocznik: 2018
• Tom: nr 5
• Strony: 169--174
• Opis fizyczny: Bibliogr. 5 poz., rys., tab.

Twórcy

autor

Ciołek M.

• Politechnika Krakowska

Bibliografia

• [1] Alavi A.H., Gandomi A.H. Mollahassani A., Heshmati A.A., Rashed A. Modeling of maximum dry density and optimum moisture content of stabilized soil using artificial neural networks, Journal of Plant Nutrition and Soil Science, 2010, 173, 368–379.
• [2] Koronacki J., Ćwik J., Statystyczne systemy uczące się, Warszawa, Wydawnictwa Naukowo-Techniczne, 2005.
• [3] Krętowska M., Sztuczne sieci neuronowe, Politechnika Białostocka, wykłady e-learning http://aragorn.pb.bialystok.pl/~gkret/SNN.
• [4] Nabney I., Netlab: Algorithms for Pattern Recognition, Springer, 2004.
• [5] Żurada J., Barski M., Jędruch W., Sztuczne sieci neuronowe, Wydawnictwo Naukowe PWN, Warszawa 1996.