Neuronowa predykcja wskaźnika zagęszczenia na podstawie badań lekką sondą dynamiczną

• Autorzy: Sulewska M.

Warianty tytułu

EN

Neural prediction for degree of compaction on the basis of light dynamic probing test

• Konferencja: Krajowa Konferencja Mechaniki Gruntów i Inżynierii Geotechnicznej (14 ; 21-23.06.2006 ; Augustów ; Polska)
• Języki publikacji: PL

Abstrakty

PL

Celem pracy jest zastosowanie sztucznych sieci neuronowych do analizy zależności między wskaźnikiem Is i stopniem zagęszczenia ID gruntów niespoistych. Opracowana zależność możne służyć do predykcji wartości wskaźnika zagęszczenia głębszych warstw nasypów (poniżej 0,5÷0,6m p.p.t.) na podstawie stopnia zagęszczenia, określonego in situ przy użyciu lekkiej sondy dynamicznej.

EN

The aim of the study is the application of neural networks to analyse the dependency between the degree of compaction Is and the density index ID for non-cohesive soils. The worked out dependency can be used for prediction the value of the degree of compaction of lower layers in embankments (lower than 0.5÷0.6m under terrain surface) on the basis of the density index which is determined in situ using the light dynamic cone penetrometer test.

Słowa kluczowe

PL

sztuczne sieci neuronowe; zagęszczanie gruntu; grunt niespoisty

EN

neural network; cohesionless soil; soil compacting

• Wydawca: Oficyna Wydawnicza Politechniki Białostockiej
• Czasopismo: Zeszyty Naukowe Politechniki Białostockiej. Budownictwo
• Rocznik: 2006
• Tom: Z. 28, t. 2
• Strony: 243--254
• Opis fizyczny: Bibliogr. 11 poz., rys., tab., wykr.

Twórcy

autor

Sulewska M.

• Politechnika Białostocka

Bibliografia

• [1] Korbicz J., Obuchowicz A., Uciński D.: Sztuczne sieci neuronowe.Podstawy i zastosowania. Akademicka Oficyna Wydawnicza PLJ,Warszawa, 1994
• [2] Lefik M., Gawin D.: Identyfikacja natężenia źródeł ciepła i masy w dojrzewającym betonie przy pomocy sztucznych sieci neuronowych.XLVII Konferencja Naukowa KILiW PAN i KN PZiTB, Krynica, 2001, tom 2, s. 357-364
• [3] Obuchowicz A.: Optymalizacja architektury sieci neuronowych. Rozdz. 10 w: Biocybernetyka i inżynieria biomedyczna 2000, tom 6: Sieci neuronowe. Red. tomu: Duch W., Korbicz J., Rutkowski L., Tadeusiewicz R., Akademicka Oficyna Wydawnicza Exit, Warszawa, 2000
• [4] Pisarczyk S.: Zależność między wskaźnikiem zagęszczenia i stopniem zagęszczenia gruntów niespoistych. Inżynieria i Budownictwo, 5/1975, s. 213-216
• [5] PN-88/B-04481 Grunty budowlane. Badania próbek gruntu
• [6] PN-B-04452: 2002 Geotechnika. Badania polowe
• [7] PN-S-02205: 1998 Drogi samochodowe. Roboty ziemne. Wymagania i badania
• [8] Sulewska M.J.: Modelowanie statystyczne w ocenie zagęszczenia gruntów niespoistych. 51 Konferencja Naukowa KILiW PAN i KN PZiTB, Krynica, 2005, tom 4, s. 57-64
• [9] Tadeusiewicz R., Lula P.: Sieci neuronowe. Materiały kursowe. StatSoft Polska, Kraków, 2003
• [10] Urbański P.: Ocena zużycia technicznego wybranej grupy budynków mieszkalnych za pomocą sieci neuronowych. Rozprawa doktorska. Politechnika Zielonogórska, Wydział Budownictwa i Inżynierii Sanitarnej, Zielona Góra, 2001
• [11] Waszczyszyn Z.: Zastosowanie sztucznych sieci neuronowych w inżynierii lądowej. XLI Konferencja Naukowa KILiW PAN i KN PZiTB, Krynica, 1995, tom 9: Mat. pokonferencyjne, s. 251- 288