انتخاب الگوريتم بهينه شبكه عصبي مصنوعي براي تحليل روسازي صلب را هها

Optimized ANN Algorithm for Analyzing the Road Rigid Pavements

پيش بيني پاسخ روسازيها بر پايه برنامه هاي بسيار پيشرفته اجزا محدود، فرصتهاي بيشماري را براي تركيبات پيچيده تحليل در مهندسي روسازي فراهم كرده است، با اين وجود مي توان زمان قابل توجه موردنياز براي انجام تحليل اين مدلها را با كاربرد مدلهاي تحليلي شبكه عصبي مصنوعي حذف كرد. شبك ههاي عصبي مصنوعي از لحاظ عملكرد، مدلهاي بسيار كارآيي هستند كه سرعت محاسباتي آنها كاملاً مستقل از پيچيدگي رياضياتي الگوريتم ها يا روش مورد استفاده در تهيه مثالهاي آنهاست. در اين مقاله از نتايج تحليل اجزا محدود 624 مدل روسازي بتني غيرمسلح درزدار، براي انتخاب يك الگوريتم مناسب شبكه عصبي، به عنوان جعبه ابزاري قابل اعتماد براي پي شبيني سريع و دقيق پاسخ روسازي صلب راهها، استفاده شده است. ابزار تحليلي پيشنهادي، بر اساس نتايج مد لهاي شبكه عصبي مصنوعي به صورت يك شبكه انتشار برگشتي چهار لايه شامل دو لايه پنهان و لايه هاي ورودي و خروجي، با تعداد 18 نورون ) 2- 18 - 6( و بكارگيري تابع انتقال حلقوي ) Sigmoid ( بوده كه ارايه رگرسيون 99928 / 0 تاييدي بر قابليت استفاده از نتايج دقيق حاصل از آن در ساير تحقيقات است. اين شبكه امكان دستيابي به مقادير تنش و اف ت وخيز بحراني دال روسازي را با كمينه كردن زمان مورد نياز ايجاد مدل و روند تحليل، و فراهم كردن توانايي تحليل همزمان مقاطع گوناگون روسازي به ارمغان مي آورد.

The prediction of pavement responses on the basis of Advanced Finite Element Programs provides us with endless opportunities to the analysis of complex problems in the pavement engineering. Reducing considerable time in the analysis of such problems with the model of artificial neural network analysis is possible. Artificial neural networksare functionally very practical models whose calculational speed is entirely independent of the complexity of mathematical algorithms or the method used for providing training samples. In this paper, the analytical results of 624 jointed plain concrete specimens is used in order to choose an appropriate neural network algorithm as a reliable tool for road rigid-pavements response. The suggested analytical model is based on results of artificial neural network in the form of a 6-18-2 back propagation ANN network with sigmoid transfer function which provides ability to find critical stress and deflection in PCC in short time for generating model and analysis process of several pavement sections simultaneously.