Informacja

Drogi użytkowniku, aplikacja do prawidłowego działania wymaga obsługi JavaScript. Proszę włącz obsługę JavaScript w Twojej przeglądarce.

Wyszukujesz frazę "unit weight" wg kryterium: Temat


Wyświetlanie 1-1 z 1
Tytuł:
Evaluation of the unit weight of organic soils from a CPTM using an Artificial Neural Networks
Wyznacznie ciężaru objętościowego gruntu organicznego na podstawie badań CPTM z zastosowaniem sztucznych sieci neuronowych
Autorzy:
Straż, Grzegorz
Borowiec, Artur
Powiązania:
https://bibliotekanauki.pl/articles/1852298.pdf
Data publikacji:
2021
Wydawca:
Polska Akademia Nauk. Czytelnia Czasopism PAN
Tematy:
ciężar objętościowy
sieć neuronowa sztuczna
grunt organiczny
sonda statyczna
sonda stożkowa
CPTM
unit weight
artificial neural network
organic soil
organic content
cone penetration test
Opis:
This paper discusses the use of mechanical cone penetration test CPTM for estimating the soil unit weight of selected organic soils in Rzeszow site, Poland. A search was made for direct relationships between the empirically determined the soil unit weight value and cone penetration test leading parameters (cone resistance qc, sleeve friction fs. The selected, existing models were also analysed in terms of suitability for estimating the soil unit weight and tests were performed to predict the value soil unit weight of local, different organic soils. Based on own the regression analysis, the relationships between empirically determined values of soil unit weight and leading parameters cone penetration test were determined. The results of research and analysis have shown that both existing models and new, determined regression analysis methods are poorly matched to the unit weight values determined in laboratory, the main reason may be the fact that organic soils are characterized by an extremely complicated, diverse and heterogeneous structure. This often results in a large divergence and lack of repeatability of results in a satisfactorily range. Therefore, in addition, to improve the predictive performances of the relationships, analysis using the artificial neural networks (ANN) was carried out.
W artykule zaprezentowano możliwości zastosowania wyników badań terenowych uzyskanych za pomocą stożkowej sondy statycznej CPTM (ze stożkiem mechanicznym) do wyznaczania ciężaru objętościowego wybranych gruntów organicznych zlokalizowanych na terenie Rzeszowa. Głównym celem prowadzonych badań było poszukiwanie bezpośrednich zależności pomiędzy między wyznaczonymi w warunkach laboratoryjnych wartościami ciężaru objętościowego gruntu γt a parametrami wiodącymi dla badania sondą statyczną CPTM, którymi są: opór gruntu podczas zagłębiania stożka qc oraz opór tarcia na tulei ciernej fs. Testy laboratoryjne wykonano na próbkach o nienaruszonej strukturze, pobranych z otworów kontrolnych umiejscowionych w bezpośrednim sąsiedztwie punktów sondowania, co pozwoliło na pozyskanie reprezentatywnych próbek gruntów o szerokim spectrum zawartości części organicznych od 5,02 do 84,93%. Wykorzystując metodę standardowej analizy regresji określono zależności między empirycznie wyznaczonymi wartościami ciężaru objętościowego badanych gruntów organicznych, a parametrami wyznaczonymi za pomocą sondy statycznej w warunkach in situ. Wykorzystano również szereg modeli literaturowych, opracowanych przez prezentujących je badaczy dla różnych ośrodków gruntowych i parametrów wiodących. Niestety, analiza regresji wykazała, że zarówno istniejące modele, jak i nowe są słabo dopasowane do wartości ciężaru objętościowego wyznaczonych w laboratorium. Głównym powodem może być fakt, że grunty organiczne charakteryzują się niezwykle skomplikowaną budową, różnorodną i niejednorodną strukturą, a przede wszystkim bardzo zróżnicowaną zawartością części organicznych, które mogą lokalnie różnić się genezą czy składem chemicznym. Czynniki te mają wpływ na wyjątkowo dużą rozbieżność i brak powtarzalności uzyskiwanych wyników w zadowalającym zakresie. Dlatego, dodatkowo, aby poprawić predykcyjne działanie zależności, przeprowadzono analizę z wykorzystaniem sztucznych sieci neuronowych (SSN). Porównanie wyników zastosowania standardowej regresji i sieci neuronowych w celu prognozowania ciężaru objętościowego wybranych gruntów organicznych na podstawie wyników sondowania statycznego wykazało, że sieci neuronowe są dokładniejsze. Maksymalne wartości median uzyskanych w analizach statystycznych współczynników determinacji (R2) testowanych modeli wynosiły odpowiednio 0,353 i 0,564. Wynik wykorzystania sieci neuronowych nie jest zadowalający, ale bardzo obiecujący. W związku z tym, planowana jest kontynuacja prac z wykorzystaniem analizy za pomocą sztucznych sieci neuronowych, lecz z zastosowaniem różnych kryteriów kategoryzowania lokalnych gruntów organicznych.
Źródło:
Archives of Civil Engineering; 2021, 67, 3; 259-281
1230-2945
Pojawia się w:
Archives of Civil Engineering
Dostawca treści:
Biblioteka Nauki
Artykuł
    Wyświetlanie 1-1 z 1

    Ta witryna wykorzystuje pliki cookies do przechowywania informacji na Twoim komputerze. Pliki cookies stosujemy w celu świadczenia usług na najwyższym poziomie, w tym w sposób dostosowany do indywidualnych potrzeb. Korzystanie z witryny bez zmiany ustawień dotyczących cookies oznacza, że będą one zamieszczane w Twoim komputerze. W każdym momencie możesz dokonać zmiany ustawień dotyczących cookies