Wyniki wyszukiwania - BazTech

Ograniczanie wyników

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Wyszukiwano:
w słowach kluczowych: materiały gruntowe

Sortuj według:

Ogranicz wyniki do:

Sztuczne sieci neuronowe do modelowania wskaźnika zagęszczania

Sulewska M.

Prace Naukowe Politechniki Warszawskiej. Inżynieria Środowiska

2007

z. 54

203-213

Zagęszczenie jest jedną z metod ulepszania materiałów gruntowych w budowlach ziemnych. Najczęściej stosowanym miernikiem osiągniętego zagęszczenia warstw wbudowanych jest wskaźnik zagęszczenia, którego badanie jest pracochłonne i powoduje przerwy w procesie technologicznym. W związku z poszukiwaniem metody szybkiej kontroli zagęszczenia w warstwach powierzchniowych nasypów przeprowadzono próbę wykorzystania do tego celu lekkiej sondy dynamicznej DPL. Do analizy przeprowadzonych badań polowych zastosowano metody statystyczne oraz sztuczne sieci neuronowe. Opracowano neuronowe modele predykcyjne wskaźnika zagęszczenia na podstawie danych uzyskiwanych z badania gruntu za pomocą lekkiej sondy dynamicznej, których względny błąd przewidywania wynosi mniej niż 5%.

Compaction of soils is aimed at modifying their engineering properties to fulfil the needs of earthwork project. The basic measure parameter of the quality of soil compaction is the degree of compaction Is. The degree of compaction test is laborious, time-consuming and leads to significant delays in construction; therefore less complicated methods to test compaction parameter are needed. That is why the trial of application the Dynamic Probing Light (DPL) for quick field tests degree of compaction for surface non-cohesive soil layers was carried out. Neural networks and statistical models were analysed. The neural network with optimum architecture can be successfully used in the engineering practice for prediction of the degree of compaction with relative error less than 5%.