این پایان نامه در قالب فرمت word قابل ویرایش ، آماده پرینت و ارائه به عنوان پروژه پایانی میباشد.

چکیده

امروزه با توجه به رشد روز افزون ساخت و ساز در زمینه هایی چون ابر سازه ها ، پلهای عظیم ، منوریل و ... و با عنایت به اهمیت عوامل موثری مانند زمان و هزینه در این پروژه ها مهندسین فاز صفر ( فاز مطالعاتی) را در خصوص کاهش هزینه و زمان مرحله ای مهم می دانند.
در مطالعات اولیه هر پروژه عمرانی، یکی از پارامترهای ضروری تعیین نشست تحکیمی می باشد به طوری که عدم انجام و یا حتی دقت ناکافی نتایج سبب خسارات جبران ناپذیری به کل پروژه وارد می نماید.
این شاخص با انجام آزمایش تحکیم تعیین می شود.با توجه به ماهیت و روش انجام این آزمایش، کسب نتایج همواره هزینه و زمان زیادی را به خود اختصاص می دهد. به همین منظور در این پایان نامه با توجه به وجود روشهای قوی و موثری همچون، Anfis وNatural network که با دقت مطلوبی مدلی از نتایج آزمایشگاهی را می دهد با کمک نرم افزارMatlab  سعی بر بدست آوردن مدلی بر اساس پارامترهای موثر وابسته به تعیین این شاخص گردید به نحوی که بتوان مقایسه ای با روابط دیگر محققین و نتایج آزمایشگاهی تعیین پارامترهای تحکیم داشت. بر اساس نتایج مدل ارائه شده، مشاهده گردید که نسبت به روابط قبلی از خطای کمتری برخوردار است و تطابق بهتری با نتایج واقعی دارد ضمن اینکه می توان در زمان کمتری به نتایج قابل قبولی دست یافت.

واژه‌هاي کليدي:
نشست تحکيمي، شبکه‌هاي عصبي،  فازي

 
Abstract

Nowdays, due to the growing constructions in subjects like huge structures , large bridges , railway and monorails etc and the importance of factors such as time and cost ,engineers in such          projects emphasis on zero phase to reduce these factors.
 In initial studies of each civil projects one of the important things to determine is subsidence consolidation .otherwise neglecting or inadequate accuracy of the results will cause damage to the project.
This index is determined with the consolidation test. with regard to the nature and the methods of this test , reaching to the favorite result will consume a lot of time and cost to itself. Therefore, in this thesis, by the use of strong and effective methods like ANFIS and NEURAL NETWORK which gives accurate laboratory results and by the use of matlab software tries to obtain a model based on effective parameters to  determine the index so that it can be compared with laboratory parameters and other reasercher's formulas in consolidation parameters.Based on the results of the model it was observed that the error is less than the previous relationships and it better conforms with the actual results and moreover it may consume less time to achieve acceptable results.      

فهرست
عنوان                                      شماره صفحه

فصل اول: كليات    1
1- مقدمه    2
1-1- تعريف مساله و هدف از پژوهش    2
1-2- پديده تحکيم    2
1-3- منطق فازي    3
فصل دوم: مروري بر تحقيقات گذشته    6
2-1- مقدمه    7
2-2- شناسايي پارامترهاي موثر در نشست تحکيمي خاک    7
2-3- مروري بر تاريخچه تحقيقاتي نظريه مجموعه‌هاي فازي و زمينه‌هاي آن در مهندسي عمران    9
2-3-1- اولين زمينه‌هاي فکري    9
2-3-2- دهه 60: ظهور فازي    9
2-3-3- دهه 70: تثبيت مفاهيم بنيادي و ظهور اولين کاربردها    10
2-3-4- دهه 90 و سالهاي آغازين قرن 21: چالشها کماکان باقيست    11
2-3-4- فازي در ايران:    11
2-3-5- نظريه فازي در مهندسي عمران    12
فصل سوم: تحکيم    13
3- 1 مقدمه    14
3-2 اصول پايه تحکيم    14
3-2-1 مفاهيم کلي تحکيم يک بعدي    14
3-2-2 نظريه تحکيم يک بعدي    15
3-2-2-1 محاسبه نشست تحکيم يک بعدي:    16
3-2-2-2 حل معادله تحکيم    18
3-2-2-3 آزمايش تحکيم    19
3-2-2-3-1 آزمايش تحکيم با سرعت تغيير شکل نسبي ثابت    20
3-2-2-3-2 آزمايش تحکيم با شيب ثابت    21
3-2-2-4 خصوصيات تراکم پذيري    23
3-2-2-4-1 اندازه گيري غير مستقيم شاخص تراکم:    24
3-2-3 نشست تحکيم    25
3-2-4 درجه تحکيم    26
3-2-5 محاسبه ضريب تحکيم با استفاده از نتايج آزمونها آزمايشگاهي    27
3-2-5-1 روش لگاريتم زمان    27
3-2-5-2 روش ريشه دوم زمان    28
3-2-5-3 روش شيب بيشينه سو    29
3-2-5-4 روش محاسباتي سيوارام و سوامي    30
3-2-6 تاثير دست خوردگي نمونه بر روي منحني   :    30
3-2-7 تحکيم ثانويه    31
3-2-7-1 تاثير تحکيم ثانويه بر روي فشار پيش تحکيمي    33
3-2-8 تحکيم به کمک زهکش‌هاي ماسه‌اي    34
فصل چهارم: منطق فازي و کاربرد آن در مهندسي عمران    37
4-1- مقدمه    38
4-2- مجموعه‌هاي فازي    40
4-2-1- تعاريف و مفاهيم اوليه مجموعه‌هاي فازي    40
4-2-2- چند مفهوم مقدماتي    41
4-2-3- نماد گذاري    41
4-2-4- عملگرهاي مجموعه اي    41
4-3- اصل توسعه و روابط فازي    45
4-3-1- اصل توسعه    45
4-3-2- حاصل ضرب کارتزين فازي    46
4-3-3- اصل توسعه بر روي فضاي حاصل ضرب کارتزين    46
4-3-4- رابطه فازي    47
4-3-5- ترکيب روابط فازي    47
4-3-6- اعدادي فازي    47
4-3-7- اعداد فازي L-R    48
4-4- منطق فازي    50
4-4-1- استدلال فازي    50
4-4-2- متغيرهاي زباني    50
4-4-3- قيود زباني    51
4-4-4- قواعد اگر- آنگاه    52
4-4-5- گزاره فازي    52
4-4-6- شيوه استدلال فازي    53
4-4-7- روش ممداني    55
4-4-8 روش استدلال فازي با استفاده از توابع خطي    59
4-4-9- استدلال فازي ساده شده    62
4-5- کاربردهاي فازي در مهندسي عمران    62
4-5-1- سيستم‌هاي فازي    62
4-5-2- پايگاه قواعد    63
4-6-3- ويژگي‌هاي مجموعه قواعد    64
4-5-4- موتور استنتاج فازي    64
4-5-5- فازي ساز    65
4-5-6- غير فازي ساز:    66
4-5-7- کنترل فازي    67
فصل پنجم: آشنايي با مفاهيم شبکه عصبي    69
5-1 سلول عصبي مصنوعي    70
5-2 توابع تحريک    70
5-3 شبکه‌هاي عصبي چند لايه    72
5-4 شبکه‌هاي بازگشتي    73
5-5 آموزش شبکه    74
5-6 هدف از آموزش شبکه    74
5-7 آموزش نظارت شده    74
5-8 آموزش غير نظارت شده    75
5-9 روش‌هاي تربيت و آموزش آماري    76
5-10 خودسازماني    77
5-11 الگوريتم انتشار برگشتي    78
5-12 ساختار شبکه در الگوريتم انتشار برگشتي    79
5-13 نگرشي کلي بر آموزش شبکه    80
5-14 تشخيص تصوير    80
5-15 حرکت به پيش    82
5-16 برگشت به عقب ـ تنظيم وزن‌هاي لايه خروجي    82
5-17 تنظيم وزن‌هاي لايه پنهان    83
5-18 سلول عصبي باياس در شبکه    84
5-19 اندازه حرکت    84
5-20 الگوريتم‌هاي پيشرفته    85
5-21 کاربردها و اخطارهاي انتشار برگشتي    86
5-22 اندازه گام    87
5-23 ناپايداري موقتي    87
5-24 مبناي رياضي الگوريتم انتشار برگشتي    87
5-26 نحوة ارائه زوج‌هاي آموزشي به شبکه    91
5-27 سنجش ميزان يادگيري و عملکرد شبکه    91
5-28 جذر ميانگين مربع خطاها    92
5-29 استفاده از دستورات MATLAB    93
فصل ششم: برآورد ضريب فشردگي تحکيم به وسيله پارامترهاي فيزيکي خاک    95
6-1- مقدمه    96
6-2- شناسايي پارامترهاي موثر در نشست تحکيمي خاک    97
6-3 بانک اطلاعات مورد استفاده    98
6-4 تحليل اطلاعات با استفاده از روش برازش خطي    99
6-5- نتيجه گيري    102
فصل هفتم: مدل سازي ضريب فشردگي با استفاده از شبکه‌هاي عصبي-فازي (ANFIS)    104
7-1 آشنايي با مدلسازي توسط ANFIS    105
7-2 مدلسازي ضريب فشردگي با استفاده از شبکه عصبي-فازي (ANFIS)    107
7-3 چگونگي مدلسازي وتحليل مدل و بررسي نتايج    109
فصل هشتم: نتيجه گيري، پيشنهادات، محدوديتها    120
8-1  نتيجه گيري    121
8-2-  محدوديتها:    121
8-3- پيشنهاد براي ادامه مطالعه:    122
Reference:    123

 
فهرست جدول ها
جدول                                         صفحه
جدول 2-1 : فرمولهاي تجربي براي تعيين      8
جدول 3-1 طبقه بندي خاکها بر اساس تراکم پذيري ثانويه    33
جدول 4-1 جدول قاعدگي براي رانندگي    59
جدول 6-2 : مشخصات کلي داده‌هاي اوليه    98
جدول 6-3 : نتايج برازش خطي گام به گام    100
جدول 7-1 : نتايج آزمايشگاهي موجود براي ضريب فشردگي    107

 
فهرست شکل ها
شکل                                         صفحه
شکل 1 - نمايش يک سيستم فازي    4
شکل 2-1 تعيين ضريت فشردگي    7
شکل 3-1 تغيير فشار آب حفره‌اي و تنش موثر ناشي از اعمال سربار    16
شکل 3-2 محاسبه تحکيم يک بعدي    17
شکل3-3 محاسبه      18
شکل 3-4 دستگاه تحکيم(ادومتر)    20
شکل 5-3 نمودار شماتيک دستگاه آزمايش تحکيم با سرعت تغيير شکل نسبي کنترل شده    21
شکل 3-6 نمودار شماتيک آزمايش تحکيم با شيب ثابت    22
شکل3-7 مراحل مختلف در آزمايش با شيب کنترل شده    22
شکل 3-8 نشست تحکيم    26
شکل 3-9 روش لگاريتم زمان براي محاسبه      28
شکل 3-10 روش ريشه دوم زمان براي محاسبه      29
شکل 3-11 روش شيب بيشينه سو براي محاسبه      30
شکل 3-12 تاثير دست خوردگي نمونه بر منحني     31
شکل 3-13 ضريب تحکيم ثانويه براي خاکهاي طبيعي رسوبي 1973 G.Mesri    32
شکل 3-14 تاثير نسبت افزايش بار يکسان،   بر روي ضخامت نمونه    33
شکل 3-15 تاريخچه زمين شناسي    34
شکل 3-17 شالوده انعطاف پذير(الف) و صلب (ب) واقع بر خاک رس    35
شکل 4-1 مکمل فازي    42
شکل 4-2 اجتماع فازي    43
شکل 4-3 اشتراک فازي    44
شکل 4-4 اعداد مثلثي    49
شکل 4-5 اعداد نرمال    49
شکل 4-6 اعداد سهموي    50
شکل 4-8 توابع عضويت براي رانندگي    58
شکل 4-9 مجموعه‌هاي فازي براي بخش نتيجه    61
شکل 4-10 ساختار اصلي سيستمهاي فازي با فازي ساز و غير فازي ساز    63
شکل 5-1: شبکه يا يک نود    70
شکل 5-2 : تابع سيگمويد    71
شکل 5-3 : تشخيص تصوير    81
شکل 5-4 : سلول عصبي باياس در شبکه    84
شبکه5-5 :  MLP با يک نود    93
شکل 5-6 :  شبکه پرسپترون چند لايه MLP با يک لايه مخفي.    94
شکل 6-1: ميزان پراکندگي در داده‌هاي اوليه براي رابطه (9)    100
شکل 6-2 : مناسبترين توابع درجه دو و درجه 3  براي تعيين Cc از روي      101
شکل 6-3 : آزمايش رابطه 6-13 و مقايسه با روابط ديگر محققين    103
شکل 7-1 توابع عضويت ورودي PL    111
شکل 7-2 توابع عضويت ورودي LL    111
شکل 7-3 توابع عضويت ورودي      112
شکل 7-4 : مقايسه نتايج آزمايشگاهي و مدل ANFIS (داده‌هاي آموزش)    112
شکل 7-5 : مقايسه نتايج آزمايشگاهي و مدل ANFIS (داده‌هاي تست)    113
شکل 7-6 : مقايسه نتايج آزمايشگاهي و مدل شبکه عصبي (داده‌هاي آموزش)    118
شکل 7-7 : مقايسه نتايج آزمايشگاهي و مدل شبکه عصبي (داده‌هاي تست)    118

فصل اول:
كليات

1- مقدمه
1-1- تعريف مساله و هدف از پژوهش
راه حل مستقيم براي تعيين پارامترهاي نشست تحکيمي خاک، استفاده از آزمايش تحکيم است. مطابق استاندارد انجام آزمايش تحکيم نياز به صرف حدود يک هفته وقت دارد. دشواري انجام آزمايش تحکيم و بالاخص زمان طولاني و هزينه بالاي آن سبب بروز محدوديت‌هاي فراوان در کيفيت و کميت آزمايش به ويژه در پروژه‌هاي حجيم و وقت گير شده است. در اکثر اين پروژه ها به منظور جلو گيري از نياز به زمان طولاني و همچنين کاهش هزينه‌هاي انجام مطالعات ژئوتکنيک اغلب تعداد آزمايش ها کاهش داده مي‌شود و در نتيجه اطلاعات پيوسته و جامع از خاکها بخصوص در مواردي که تنوع لايه بندي زياد است، بدست نمي‌آيد. اين امر سبب مي‌شود طراحان بدون داشتن اطلاعات کافي، اقدام به ساده سازي پارامترهاي طراحي مي‌نمايند که معمولا به صورت دست بالا است و از جهت ديگر سبب افزايش هزينه‌هاي اجرا مي‌شود. بنابراين لازم است معيارهايي مشخص گردند تا بتوان از طريق آنها به دانشي جامع و با خطاي قابل قبول پارامترهاي تحکيم را تخمين زد. اين کار علاوه بر اينکه سبب کاهش حجم آزمايشات و صرفه جويي در زمان و هزينه مي‌شود از طرف ديگر مي‌تواند اطلاعات پيوسته‌اي از ساختگاه مورد نظر را فراهم سازد و دانش طراحان را به ميزان قابل توجهي بهبود بخشد. با توجه به اين موارد محققين مختلفي سعي کردند تا با استفاده از داده‌هاي آزمايشگاهي فرمول‌هاي تجربي جهت تعيين پارامترهاي تحکيم خاک ارائه دهند. بدين طريق مي‌توان بدون انجام آزمايش تحکيم اقدام به تخمين نتايج حاصل از آن نمود. در اين پژوهش پس از بررسي روابط ارائه شده توسط ساير محققين جهت تخمين نشست تحکيمي، با استفاده از اطلاعات تفصيلي بدست آمده از چهارده پروژه بزرگ ايران و با استفاده از شبکه‌هاي عصبي- فازي (ANFIS) مدلي با دقت بالا جهت تعيين نشست تحکيمي خاک ارائه مي‌شود.

1-2- پديده تحکيم
فشردگي يا تراکم خاک در اثر تاثير سربار (وزن سازه) باعث نشست سازه واقع بر روي آن مي‌شود که به اين پديده نشست خاک مي‌گويند. که در حالت کلي نشست خاک به دو گروه زير تقسيم مي‌شوند:
الف) نشست آني (Immediate Settlement) که ناشي از تغيير شکل الاستيک خاک خشک و يا خاکهاي مرطوب و اشباع بدون تغييري در ميزان آب مي‌باشد و در تمام خاکها مورد توجه است.
ب) نشست تحکيمي (Consolidation Settlement) که ناشي از تغيير حجم خاک اشباع به علت رانده شدن آبهاي موجود در حفرات است و در خاکهاي ريز دانه مانند رس مورد توجه قرار مي‌گيرد.
وقتي خاک اشباع تحت بارگذاري قرار مي‌گيرد، در آغاز تمام بار گذاري توسط آب حفره‌اي تحمل مي‌شود و به آن افزايش فشار آب حفره‌اي مي‌گويند. در صورتي که زهکشي انجام شود، به مزور زمان حجم خاک کاهش مي‌يابد که به آن تحکيم گفته مي‌شود و باعث نشست مي‌گردد. از طرفي ممکن است خاک در اثر جذب آب حفره‌اي يا فشار آب حفره‌اي منفي افزايش حجم دهد که به آن تورم مي‌گويند.
نرخ تغيير حجم تحت بار گذاري به نفوذ پذيري نمونه بستگي دارد، از اين رو آزمايش تحکيم معمولا در خاک‌هاي با نفوذ پذيري کم (مانند رس) انجام مي‌گيرد. هدف از انجام آزمايش تحکيم، تعيين پارامترهاي موثر در پيش بيني شدت نشست و ميزان آن در سازه‌هاي متکي بر خاک‌هاي رسي است. آزمايش تحکيم در واقع آزمايش جهت بر آورد پارامترهاي تحکيم يک بعدي ترزاقي است که از حل همزمان دو معادله تعادل و پيوستگي به صورت تک بعدي حاصل شده است.
نمونه گيري از خاک با حفظ شرايط واقعي کار بسيار مشکلي است. تفاوت قابل توجه در ميزان رطوبت، حد رواني و شاخص پلاستيسيته و فشار همه جانبه نمونه‌هاي تهيه شده از اعماق مختلف و حتي از يک عمق خاص، بيانگر تفاوت و رفتار در نمونه‌هاي تهيه شده از يک نوع خاک مي‌شود و اين مسئله علاوه بر افزايش هزينه انجام آزمايشات سبب پيچيدگي و وارد نمودن قضاوت مهندسي در پروژه‌هاي مهندسي ژئوتکنيک مي‌گردد. داده‌هاي آزمايشگاهي زيادي موجود هستند که در پروژه‌هاي معيني به کار رفته و عملا بعد از مدتي فراموش شده اند. اين اطلاعات قديمي مي‌توانند بعنوان يک بانک اطلاعاتي مفيد در ارزيابي پارامترهاي ژئوتکنيکي بکار گرفته شوند[1].

1-3- منطق فازي
در دهه 1960، پروفسور لطفي زاده در دانشگاه برکلي کاليفرنيا، مقاله‌اي را با اين مضمون که ابهامات يک وضعيت نامعلوم ولي متفاوت از پديده‌هاي تصادفي هستند، ارائه داد. براي مثال نمي‌توان مردم را به دو گروه خوب و بد تقسيم کرد. يا دسته بندي پارامترهايي چون دما، فشار، اندازه و... در دو گروه صفر و يک ممکن نيست. براي توصيف چنين پارامتنرهايي درجه‌اي به آنها تعلق مي‌گيرد که اين درجه ها بر اساس چندين فاکتور مانند موقعيت، آزمايش و .. است. اين ايده اساس مجموعه‌هاي فازي نسبت به منطق کلاسيک است. در مجموعه کلاسيک يک شئ به مجموعه تعلق دارد يا ندارد ولي در مجموعه فازي درجه‌هايي از تعلق به يک مجموعه معرفي مي‌شوند. يک مجموعه فازي تابع تعلقي دارد که در درجه‌هاي مختلفي از تعلق براي عناصر مشخص در آن تعريف مي‌شود. تابع تعلق به صورت مقادير گسسته يا به وسيله منحني‌هايي تعريف مي‌گردد. روشهاي متعددي براي توصيف يک مجموعه فازي موجود دارد [2].
پروسه فازي سازي (fuzzification) مجموعه‌اي کلاسيک را به يک مجموعه تقريب زننده که فازي است تبديل مي‌کند [3]. از آنجاييکه هر عضو و درجه تعلق آن مستقل از عضو ديگر و درجه تعلق مربوط به آن است، پروسه خطي است و اصل جمع آثار در آن صدق مي‌کند، يعني هر عضو به تنهايي فازي مي‌گردد [4].
منطق فازي بر اساس مفهوم مجموعه‌هاي فازي است و هر مقدار درستي در بازه [1 ، 0] را مي‌پذيرد. از مفاهيم مجموعه‌هاي فازي در جبر فازي استفاده مي‌شود.
به منظور طراحي يک سيستم کنترل منطق فازي بايد قادر به توصيف عمليات زباني باشد. به بيان ديگر مراحل زير بايد انجام شود[4]:
1)    مشخص نمودن ورودي ها و خروجي ها با استفاده از متغيرهاي زباني
2)    نسبت دادن توابع تعلق به متغيرها
3)    ايجاد قواعد پايه (اساسي)
4)    غير فازي سازي (Defuzzification)
متغيرهاي زباني، توابع تعلق و قواعد پايه از تجربيات يک اپراتور ماهر بدست مي‌آيند. قواعد پايه زياد، معمولا منجر به عملکرد بهتري مي‌شوند. سيستم‌هاي فازي "سيستم‌هاي مبتني بر دانش يا قواعد" هستند. قلب يک سيستم فازي يک پايگاه دانش بوده که از قواعد اگر - آنگاه فازي تشکيل شده است. منظور از سيستم فازي در مهندسي سيستم فازي با فازي ساز (Fuzzifier) و غير فازي ساز (Defuzzifier) است، شکل (1) [5].