{{ $t("message.ADVERTISEMENT") }}
{{ $t("message.AD_EXPIRE_DATE") }}2024年03月
文献
J-GLOBAL ID:201502287564302321   整理番号:15A0260836

土壌の体積圧縮係数のバッチ学習アルゴリズムを備えたニューラルネットワークを用いた推定

Estimation of the Coefficient of Volume Compressibility of Soils Using Artificial Neural Network with Batch Learning Algorithm
著者 (6件):
資料名:
巻: 20  号:ページ: 23-28  発行年: 2015年01月 
JST資料番号: L4234A  ISSN: 1343-8646  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: 日本 (JPN)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
土木技術者にとって土木水理構造物の安全な設計には沈降量をできるだけ正確に予測することが重要である。小規模の構造物については,チン光量を計算するのに,mv法と呼ばれる単純な技法がしばしば用いられ,厳密なパラメータmvが必要となる。何人かの研究者がmvを推定する経験式を提起しており,これらは,自然含水率,一軸圧縮強度,静的貫入抵抗,などの単一あるいは複数の土壌パラメータモデルを用いる。しかし,推定されたmv値は大幅に変動し,必ずしも強い相関があるわけではない。更に,もし新しい数式を提示しようとすれば,複雑な多重共線性の問題を打開する野に必要ないくつかのインプット土壌パラメータを決定するのは困難である。本研究は,oedometer試験を行う代わりにKbayashiらが開発したバッチ学習アルゴリズムを備えるニューラルネットワーク(ANN)を用いていくつかの土壌パラメータからmvを推定する単純な方法を提案した。インプット土壌パラメータの最適組合わせを評価し,提案手法の結果を,学習効率の観点から4つの実験式と比較した。(翻訳著者抄録)
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
土の圧縮,圧密,せん断,地盤沈下  ,  土圧,土の動的性質,地盤の応力と変形 
引用文献 (12件):
もっと見る
タイトルに関連する用語 (5件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る