Wyniki wyszukiwania - BazTech

Ograniczanie wyników

1 2013

Znaleziono wyników: 1

Liczba wyników na stronie

Wyniki wyszukiwania

Sortuj według:

Ogranicz wyniki do:

Sztuczne sieci neuronowe do prognozowania projektowych właściwości nasypu, z warstwą zawierającą cement, pod torowiska kolei dużych prędkości

Egeli I., Tayfur G., Yilmaz E., Usun H.

Cement Wapno Beton

2013

R. 18/80, nr 1

10--23

Projektowanie nasypu kolejowego kolei dużych prędkości (KDP) jest złożonym zagadnieniem ze względu na duże wymagania geometryczne i dotyczące właściwości materiałów. W pracy zbadano możliwość zastąpienia warstwy nasypowej podtorza nie zawierającej cementu warstwą zawierającą dodatek cementu. W doświadczeniach zastosowano próbki złożone z piasku z różnym dodatkiem cementu i o różnej w/c. Wykorzystano także program Plaxis-FEM (2D) do znalezienia maksymalnych oczekiwanych wartości równomiernego osiadania nasypu z warstwą zawierającą dodatek cementu. Następnie przy użyciu sztucznych sieci neuronowych zbudowano model do prognozowania naprężenia niszczącego, modułu sprężystości i odkształcenia. Analiza wrażliwości wykazała, że zawartość cementu była najistotniejsza w przypadku prognozowania naprężenia i modułu sprężystości, natomiast czas twardnienia miał największą istotność w prognozowaniu odkształcenia.

High-speed train railway (HSTR) embankment is a complicated process, as it deals with high geometric design standards and material properties. In this study the replaceability of fill strata without cement prepared subgrade layer and with cement addition one is investigated. In the experiments the specimens composed of natural sand with different cement additions and two w/c ratios were used. The Plaxis-FEM (20) program was employed to find the maximum expected total settlements of HSTR embankments with cemented subgrade layer. Furthermore, the artificial neural networks model was constructed to predict the failure stress, elasticity modulus and strains. The sensivity analysis has revealed that cement content was the most sensitive for stress and elasticity modulus predictions, while the curing age of specimens was for the strain forecast.