خلاصه مقاله:
سدها بزرگترین سازه های ساخته شده به دست بشر هستند پایداری سازه ای بدنه سد و پی به طریق گوناگونی قابل تحلیل و بررسی است امروزه روشهای مختلفی برای بررسی پایداری دینامیکی سدهای خاکی وجود دارند از میان این روشها می توان به روشهای تعادل حدی روشهای آنالیز حدی و روشهای اجزاء محدود اشاره کرد. در این تحقیق با استفاده از نرم افزار Flace 7.0 به بررسی تاثیر مصالح مختلف به عنوان هسته مایل پرداخت شده و نتایج بدست آمده از آن ها مورد بررسی قرار گرفته اند مدل رفتاری مورد استفاده در این تحقیق مدل مور کلمب است که یک مدل الاستیک پلاستیک کامل به شمار می آید در مدل رفتاری مذکور پوش گسیختگی توسط معیار معروف مورکلمب که تابع گسیختگی برشی است با در نظر گرفتن معیار گسیختگی کششی حاصل می شود با توجه به نتایج بدست آمده میزان ضریب اطمینان در مقابل پایداری به نوع رفتار فرض شده برای مصالح هسته و پوسته وضعیت قرار گیری هسته مایل یا قائم بودن هسته و ضریب یولسون مصالح هسته سد بستگی دارد
کلمات کلیدی:پایداری ، ضریب اطمینان ، تنش موثر ، نرم افزارFLAC
موضوع فارسی :غیر استاندارد مکانیزم برای پوسیدگی نوترینو دو بتا
موضوع انگلیسی : Non-Standard Mechanisms for Neutrinoless Double Beta Decay
تعداد صفحه : 4
فرمت فایل :pdf
سال انتشار : 2015
زبان مقاله : انگلیسی
چکیده
نوترینو فروپاشی بتا دو برابر شده است یک ابزار قدرتمند برای بررسی نه تنها برای جرم نوترینو مایورانا اما برای عدد لپتون
نقض فیزیک به طور کلی. ما در مورد روابط بین نقض عدد لپتون، فروپاشی بتا دو جداره و نوترینو
جرم، ارائه یک نمای کلی از به طور کلی لورنتس پارامتر ثابت نرخ واپاشی بتا دو و برجسته
تعدادی از مختلف FF دی مدل های فیزیک جدید نشان میدهد که چگونه مکانیسم مختلف FF دی می توانید از آن فروپاشی بتا دو را آغاز کند.
کلمات کلیدی: فروپاشی بتا دو، لپتون نقض تعداد، فیزیک فراتر از مدل استاندارد PACS: 23.40.BW، 11.30.Fs، 14.80
سوالات عمومی و اختصاصی دبیری معدن سال 89 ، بصورت فایل pdf آماده شده است.این بسته قابل پرینت می باشد ، شما میتوانید آن را پرینت کنید و در محل کارتان مطالعه کنید. جهت دانلود به ادامه مطلب مراجعه فرماییید ... ...
لینک پرداخت و دانلود *پایین صفحه*
فرمت فایل : Word(قابل ویرایش و آماده پرینت)
تعداد صفحه : 19
فهرست مطالب:
مقدمه
شبکه های عصبی مصنوعی
مفاهیم پایه در شبکه های عصبی مصنوعی
شبکه عصبی پرسپترون ساده
شبکه عصبی پرسپترون چند لایه MLP
شرح تحقیق
استفاده از دادههای ماهیانه
استفاده از دادههای روزانه
نتیجهگیری
فهرست مراجع
مقدمه
با توجه به اهمیت و حساسیت امر مهار آبهای سطحی خصوصاً در کشور ما که اکثر رودخانههای مناطق مختلف فصلی بوده و کمبود آبی که در پهنه وسیعی از کشور وجود دارد ، نیاز به شناسایی و به مدل درآوردن رفتار رودها و شریانهای آبی جهت برنامهریزیهای بلندمدت و استفاده بیشتر و بهتر از پتانسیلهای آنها عمیقاً احساس میشود . جدیدالتاسیس بودن بیشتر ایستگاههای هیدرومتری ، نواقص موجود در آمار اکثر این ایستگاهها ، قرارگرفتن بیشتر رودها در مناطق خشک ، وضعیت بحرانی برداشت آبهای زیرزمینی و لزوم توجه بیشتر به آبهای سطحی همه و همه دلایل بیشتر و ظریفتری میباشد که به مقوله پیشبینی و تولید آمار مصنوعی در حوزههای آبریز کشورمان جلوه و نمودی کاملتر میبخشد .
روشهای متداول آماری و احتمالی بر پایه روابط و فرمولهای صرفاً ریاضی که به طور اخص به پیشبینی سریهای زمانی میپردازد ، از دیرباز مورد توجه مهندسین علوم آب قرار گرفته است . آنها با دستمایه قراردادن این بخش از علم آمار به تحلیل ، بررسی و شناخت رفتار رودخانهها میپرداختند . در این راستا نرمافزارهای مختلفی نیز تهیه وتنظیم شده که از مهمترین و بارزترین آنها میتوان SPIGOT و HEC4 را نام برد .
شبکه عصبی مصنوعی[1] نامی نوین در علوم مهندسی است که بهطور ابتدایی و آغازین درسال 1962 توسط فرانک روزن بلات و در شکل جدی و تأثیرگذار در سال 1986 توسط روملهارت و مککلند با ابداع و ارائه مدل پرسپترون بهبود یافته به جهان معرفی شد . این شیوه از ساختاری نرونی و هوشمند با الگوبرداری مناسب از نرونهای موجود در مغز انسان سعی میکند تا از طریق توابع تعریف شده ریاضی رفتار درونسلولی نرونهای مغز را شبیهسازی کند و از طریق وزنهای محاسباتی موجود در خطوط ارتباطی نرونهای مصنوعی ، عملکرد سیناپسی را در نرونهای طبیعی به مدل در آورد. ماهیت و ذات تجربی و منعطف این روش باعث میشود تا در مسائلی مانند مقوله پیش بینی که یک چنین نگرشی در ساختار آنها مشاهده میشود و از رفتاری غیرخطی و لجامگسیخته برخوردار هستند ، به خوبی قابل استفاده باشد .
2- شبکه های عصبی مصنوعی
2-1- مفاهیم پایه در شبکه های عصبی مصنوعی
یک نرون بیولوژیک با جمع ورودیهای خود که از طریق دندریتها با یک وزن سیناپسی خاص به نرون اعمال میشوند ، با رسیدن به یک حد معین تولید خروجی میکند . این حد معین که همان حد آستانه میباشد ، در حقیقت عامل فعالیت نرون یا غیر فعال بودن آن است .
با توضیحات فوق میتوان گفت که در مدلسازی یک نرون بیولوژیک به طور مصنوعی میبایست به سه عامل توجه شود :
نرون یا فعال است یا غیر فعال خروجی تنها به ورودیهای نرون بستگی دارد ورودیها باید به حدی برسند تا خروجی ایجاد گردد]1[.2-2- شبکه عصبی پرسپترون[2] ساده
فرانک روزن بلات ، با اتصال این نرونها به طریقی ساده پرسپترون را ایجاد و ابداع کرد ، و برای نخستین بار این مدل را در کامپیوترهای دیجیتال شبیهسازی و آنها را به طور رسمی تحلیل نمود]1[.
2-3- شبکه عصبی پرسپترون چند لایه ) MLP ( [3]
در بسیاری از مسائل پیچیدة ریاضی که به حل معادلات بغرنج غیر خطی منجر میشود ، یک شبکة پرسپترون چند لایه میتواند به سادگی با تعریف اوزان و توابع مناسب مورد استفاده قرارگیرد . توابع فعالیت مختلفی به فراخور اسلوب مسئله در نرون ها مورد استفاده قرار میگیرد . در این نوع شبکهها از یک لایة ورودی جهت اعمال ورودیهای مسئله یک لایة پنهان و یک لایة خروجی که نهایتاً پاسخهای مسئله را ارائه مینمایند ، استفاده میشود.
گرههایی که در لایة ورودی هستند ، نرونهای حسی[4] و گرههای لایة خروجی ، نرونهای پاسخ دهنده[5] هستند . در لایة پنهان نیز ، نرونهای پنهان[6] وجود دارند