文献

J-GLOBAL ID：202002281285482367   整理番号：20A2288531

粘土に富む土壌の膨潤ポテンシャル予測のための人工知能の適用【JST・京大機械翻訳】

Application of Artificial Intelligence for Prediction of Swelling Potential of Clay-Rich Soils

著者 (3件)： Ermias Birhanu (Department of Earth Sciences, Indian Institute of Technology Bombay, Mumbai, India) ,  Ermias Birhanu (Department of Geology, Salale University, Fitche, Ethiopia) ,  Vishal Vikram (Department of Earth Sciences, Indian Institute of Technology Bombay, Mumbai, India)
資料名： Geotechnical and Geological Engineering  (Geotechnical and Geological Engineering)
巻： 38  号： 6  ページ： 6189-6205  発行年： 2020年 
JST資料番号： H0941A  ISSN： 0960-3182  CODEN： GGENE3  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 微粒土の膨潤と収縮問題への感受性は,インフラストラクチャ,建設および保全の安全設計にとって極めて重要である。しかし,土壌応答の定量化と地質工学的特性の測定は,時間がかかり,高価で,破壊試験を含む。したがって,迅速,安価,非破壊試験の結果から膨潤率を計算するのに信頼できる予測モデルが必要である。本論文では,3層フィードフォワードニューラルネットワーク(ANN-TFN)を微細粒土の膨潤パーセントを考案するために適用し,結果を多重回帰(MR)と比較した。入力として考慮したパラメータは,活性,粘土,液体限界,塑性指数および微粉であり,一方,膨潤率は出力として使用した。最良のANN-TFNモデルは,1.529の二乗平均平方根誤差(RMSE),369.3の二乗誤差(SSE),および0.80の相関係数(R2)を示した。MRモデルは1.756(RMSE),487.2(SSE)および0.508(R2)を示した。単純な回帰により得られた最大R2値は0.5であった。全体として,確立された3層フィードフォワードニューラルネットワークモデル(ANN-TFN1-6)は,多重回帰または単純回帰モデルよりも有意に高い予測性能を示した。さらに,訓練パラメータとしてのLevenberg-Marquardtの使用と伝達関数としてのtan S字は,この問題における良好な予測性能のために,より適切であることが注目された。したがって,本研究の結果は,微細粒土の膨潤パーセントを決定するANN-TFNモデルの実践が,土壌工学作業中の正確な決定の信頼度を増加させるための有望なアプローチであると結論づける。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 伝達関数 ,  信頼度 ,  *膨潤 ,  *粘土 ,  相関係数 ,  *人工知能 ,  細粒土 ,  安全設計 ,  インフラストラクチャー ,  地質 ,  破壊試験 ,  回帰モデル ,  微粉体 ,  予測モデル
準シソーラス用語： 膨潤度 , 【Automatic Indexing@JST】

著者キーワード (6件)： 3層フィードフォワードネットワーク ,  ANN ,  Levenberg-Marquardt ,  多重回帰 ,  細粒土 ,  Tan-S状結腸

分類 (3件)： 土の圧縮,圧密,せん断,地盤沈下  (RA03050P) ,  人工知能  (JE08000Z) ,  土の構造と物理的・化学的性質  (RA03030T)

タイトルに関連する用語 (6件)： 粘土 ,  土壌 ,  膨潤 ,  ポテンシャル ,  予測 ,  人工知能