این فایل در قالب پی دی اف و 200 صفحه می باشد.
این پایان نامه جهت ارائه در مقطع کارشناسی ارشد رشته مهندسی عمران طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز پایان نامه ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این پایان نامه را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده ازمنابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.
چکیده
تشخیص به موقع شرایط نامطلوب روسازی به عنوان مسئله مهمی در حوزه مدیریت روسازی در سطح شبکه مطرح می باشد و در گذشته مدل های متفاوتی همچون رگرسیون و توزیع احتمالاتی برای آن در نظر گرفته شده است. برای پیش بینی شرایط روسازی در آینده لازم است که از شاخص هایی استفاده شود که کیفیت روسازی را با یک عدد که بیانگر وضعیت کلی روسازی است نمایش دهد. از مهمترین شاخص هایی که در این زمینه وجود اشاره نمود. شاخصی که دراین تحقیق مورد استفاده قرار IRI و MCI و PCI دارد می توان به است که توسط بانک جهانی در دهۀ ۸۰ ارائه شده است و اهمیت ویژه ای از IRI گرفته است دید استفاده کنندگان راه دارد. در این تحقیق سعی شده با استفاده از شبکه های عصبی در سالهای آینده با استفاده IRI مصنوعی که یک رویکرد بیولوژیکی است به پیش بینی مقدار پرداخته شود. برای این منظور مدل های متفاوتی از شبکه های عصبی LTPP ازداده های مصنوعی از نظر ساختاری با استفاده از ورودی هایی که در تخریب روسازی نقش ایفا می قرار گرفتند و سپس به وسیله داده (Momentum) کنند تحت آموزش به روش اندازه حرکت های آزمایش ارزیابی شدند.شبکۀ دارای چهار لایۀ مخفی با تعداد ۵ نرون در هر لایه دارای بیشترین توانایی تعمیم است.و ضریب همبستگی داده های آزمایشی با داده های پیش بینی %۹۶ است که نشان دهندۀ کارایی قابل قبول شبکه است.در انتها داده های پیش بینی شدۀ بهترین مدل شبکه عصبی با داده های پیش بینی شدۀ مدل رگرسیونی از نظر میزان خطای پیش بینی مورد مقایسه قرار گرفتند.که مدل شبکه عصبی درپیش بینی ۲۲ مورد از ۳۸ سری دادۀ آزمایشی خطایی کمتر از ۱۰ درصد داشت در حالی که در مورد مدل رگرسیونی این عدد به ۶ داده می رسد. نتایج داده های آزمایش نشان داد که شبکه نهایی می تواند شرایط روسازی یک شبکه را حداکثر برای مدت ۴ سال پیش بینی کند.
پایان نامه کارشناسی ارشد عمران پیش بینی مدل وضعیت روسازی با استفاده از شبکه عصبی