• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Arabian Journal for Science and Engineering >THE ESTIMATION OF ROCK MASS DEFORMATION MODULUS USING REGRESSION AND ARTIFICIAL NEURAL NETWORKS ANALYSIS
【24h】

THE ESTIMATION OF ROCK MASS DEFORMATION MODULUS USING REGRESSION AND ARTIFICIAL NEURAL NETWORKS ANALYSIS

机译：基于回归和人工神经网络的岩体变形模量估计。

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

Rock mass deformation modulus (Em) is an important input parameter in geomechanical problems. Field tests to determine this parameter are time consuming and expensive. In this paper, two methods have been developed to estimate EM. In the first method, using regression analysis, five empirical equations have been obtained relating EM and the rock mass rating (RMR), with the polynomial fitting having the best correlation coefficient. In the other method, using artificial neural network (ANN), a model has been obtained for estimating EM based on the radial basis function (RBF). Finally, both methods are applied to estimate EM of Karun IV dam. The obtained values are compared with the results of in-situ test. The comparisons have shown that the accuracy of the ANN method is better than of the regression analysis.
机译：岩体变形模量（Em）是岩土力学问题中的重要输入参数。确定此参数的现场测试既耗时又昂贵。在本文中，已经开发了两种估计EM的方法。在第一种方法中，使用回归分析，获得了五个与EM和岩体额定值（RMR）相关的经验方程式，其中多项式拟合具有最佳相关系数。在另一种方法中，使用人工神经网络（ANN）获得了用于基于径向基函数（RBF）估计EM的模型。最后，两种方法都可以用来估算Karun IV大坝的EM。将获得的值与原位测试结果进行比较。比较表明，人工神经网络方法的准确性优于回归分析。

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