...
首页> 外文期刊>Canadian Geotechnical Journal >Artificial neural network (ANN) models for determining hydraulic conductivity of compacted fine-grained soils
【24h】

Artificial neural network (ANN) models for determining hydraulic conductivity of compacted fine-grained soils

机译:用于确定压实细粒土的水力传导率的人工神经网络(ANN)模型

获取原文
获取原文并翻译 | 示例
           

摘要

This study deals with development of artificial neural networks (ANNs) and multiple regression analysis (MRA) models for determining hydraulic conductivity of fine-grained soils. To achieve this, conventional falling-head tests, oedometer falling-head tests, and centrifuge tests were conducted on silty sand and marine clays compacted at different dry densities and moisture contents. Further, results obtained from ANN and MRA models were compared vis-à-vis experimental results. The performance indices such as the coefficient of determination, root mean square error, mean absolute error, and variance were used to assess the performance of these models. The ANN models exhibit higher prediction performance than the MRA models based on their performance indices. It has been demonstrated that the ANN models developed in the study can be employed for determining hydraulic conductivity of compacted fine-grained soils quite efficiently.Cette étude touche le développement des réseaux de neurones artificiels (RNA) et de modèles d'analyse par régression multiple (ARM) pour déterminer la conductivité hydraulique de sols fins. Des essais à charge variable conventionnels, des essais oedométriques à charge variable et des essais dans une centrifugeuse ont été réalisés sur du sable silteux et des argiles marines, compactés à des densités sèches et des teneurs en humidité différentes. De plus, les résultats obtenus par les RNA et par les modèles ARM ont été comparés aux résultats expérimentaux. Des indicateurs de performance comme le coefficient de détermination, l'erreur du moindre carré, l'erreur absolue de la moyenne et la variance ont été utilisés pour évaluer la performance de ces modèles. Les modèles RNA présentent une meilleure performance en prédiction que les modèles ARM selon les indicateurs de performance. Ainsi, il a été démontré que les modèles RNA développés dans cette étude peuvent être utilisés pour déterminer efficacement la conductivité hydraulique des sols fins compactés.
机译:这项研究致力于确定细粒土壤的水力传导率的人工神经网络(ANN)和多元回归分析(MRA)模型的发展。为了达到这个目的,对在不同干密度和含水量下压实的粉砂和海洋粘土进行了常规的落头试验,里程计落头试验和离心机试验。此外,将从ANN和MRA模型获得的结果与实验结果进行了比较。性能指标(例如确定系数,均方根误差,平均绝对误差和方差)用于评估这些模型的性能。基于ANN模型的性能指标,它们的预测性能高于MRA模型。事实证明,研究中开发的ANN模型可以非常有效地用于确定压实的细粒土壤的水力传导率。神经元人工合成(RNA)和模型分析的多元回归(ARM)倒入sol fin的电导率测定器。 《负责任的变量公约》,《关于负责任的变量》和《关于在海军陆战队上使用离心机》,《在海军上空的契约》和《关于湿度的紧凑性》。此外,还可以对RNA和模型进行观察,并与其他实验进行比较。绩效评估标准,模范汽车评估,效劳基本法评估和绩效评估。模范RNA表现出色和性能卓越模范ARM完美表现。 Ainsi,éétédémontréque lesmodèlesRNAdéveloppésdans cetteétudepeuventêtreutiliséspour determiner efficacement la导电性solavitésola fins fins紧凑型。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号