文献

J-GLOBAL ID：201702233220701522   整理番号：17A1756758

動的コーンペネトロメータ試験結果を用いた圧延動的締固めの影響を予測するための人工ニューラルネットワークの応用【JST・京大機械翻訳】

著者 (4件)： R.A.T.M. Ranasinghe (SCHOOL OF CIVIL, ENVIRONMENTAL AND MINING ENGINEERING, UNIVERSITY OF ADELAIDE, ADELAIDE, AUSTRALIA) ,  M.B. Jaksa (SCHOOL OF CIVIL, ENVIRONMENTAL AND MINING ENGINEERING, UNIVERSITY OF ADELAIDE, ADELAIDE, AUSTRALIA) ,  Y.L. Kuo (SCHOOL OF CIVIL, ENVIRONMENTAL AND MINING ENGINEERING, UNIVERSITY OF ADELAIDE, ADELAIDE, AUSTRALIA) ,  F. Pooya Nejad (SCHOOL OF CIVIL, ENVIRONMENTAL AND MINING ENGINEERING, UNIVERSITY OF ADELAIDE, ADELAIDE, AUSTRALIA)
資料名： Yanshi Lixue yu Yantu Gongcheng Xuebao(Yingwenban)  (Yanshi Lixue yu Yantu Gongcheng Xuebao(Yingwenban))
巻： 9  号： 2  ページ： 340-349  発行年： 2017年 
JST資料番号： C2632A  ISSN： 1674-7755  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 英語 (EN)

抄録/ポイント： 非円形モジュールの翼を含む圧延動的圧密(RDC)は,現在広く普及し,多くの他の土壌締固め法の中で受け入れられている。しかしながら,現在までに,RDCによる土壌の高密度化と地盤改良の程度の信頼できる予測のための正確な方法はない。本研究では,RDCの有効性を事前に予測するための人工ニューラルネットワーク(ANN)の応用について述べた。このモデルは,4面衝撃ローラに関連する以前の土木プロジェクトから得られたその場動的コーン貫入(DCP)試験データにより訓練された。ANNモデルからの予測値は,約0.8のモデル相関係数によって示されるように,測定された現場データと良く一致した。この研究で開発されたANNモデルは,土壌タイプの範囲におけるRDCの性能のより正確な予測を提供するのに成功裏に使用できると結論される。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 圧密 ,  土木工学 ,  地盤改良 ,  *ニューラルネットワーク ,  モデル ,  *圧延 ,  土締固め ,  衝撃 ,  相関係数 ,  *動的圧粉 ,  土壌型
準シソーラス用語： 予測値 ,  試験データ ,  高密度化 ,  非円形 , 【Automatic Indexing@JST】

分類 (2件)： 吸着,イオン交換  (XD02060I) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 試験 ,  圧延 ,  動的締固め ,  予測 ,  人工ニューラルネットワーク ,  応用