4-2-1- تعاریف و مفاهیم اولیه مجموعه‌های فازی…………………………. 40
4-2-2- چند مفهوم مقدماتی……………………………… 41
4-2-3- نماد گذاری……………………………… 41
4-2-4- عملگرهای مجموعه ای……………………………… 41
4-3- اصل توسعه و روابط فازی……………………………… 45
4-3-1- اصل توسعه…………………………….. 45
4-3-2- حاصل ضرب کارتزین فازی…………………………….. 46
4-3-3- اصل توسعه بر روی فضای حاصل ضرب کارتزین…………… 46
4-3-4- رابطه فازی……………………………… 47
4-3-5- ترکیب روابط فازی……………………………… 47
4-3-6- اعدادی فازی……………………………… 47
4-3-7- اعداد فازی L-R………………………………
4-4- منطق فازی……………………………… 50
4-4-1- استدلال فازی……………………………… 50
4-4-2- متغیرهای زبانی……………………………… 50
4-4-3- قیود زبانی……………………………… 51
4-4-4- قواعد اگر- آنگاه…………………………….. 52
4-4-5- گزاره فازی……………………………… 52
4-4-6- شیوه استدلال فازی…………………………….. 53
4-4-7- روش ممدانی……………………………… 55
4-4-8 روش استدلال فازی با استفاده از توابع خطی………………. 59
4-4-9- استدلال فازی ساده شده…………………………….. 62
4-5- کاربردهای فازی در مهندسی عمران…………………………….62
4-5-1- سیستم‌های فازی……………………………… 62
4-5-2- پایگاه قواعد…………………………….. 63

4-6-3- ویژگی‌های مجموعه قواعد…………………………….. 64
4-5-4- موتور استنتاج فازی……………………………… 64
4-5-5- فازی ساز…………………………….. 65
4-5-6- غیر فازی ساز……………………………. 66
4-5-7- کنترل فازی……………………………… 67
فصل پنجم: آشنایی با مفاهیم شبکه عصبی………………… 69
5-1 سلول عصبی مصنوعی……………………………… 70
5-2 توابع تحریک……………………………….. 70
5-3 شبکه‌های عصبی چند لایه…………………………….. 72
5-4 شبکه‌های بازگشتی…………………………….. 73
5-5 آموزش شبکه…………………………….. 74
5-6 هدف از آموزش شبکه…………………………….. 74
5-7 آموزش نظارت شده…………………………….. 74
5-8 آموزش غیر نظارت شده…………………………….. 75
5-9 روش‌های تربیت و آموزش آماری…………………………….. 76
5-10 خودسازمانی……………………………… 77
5-11 الگوریتم انتشار برگشتی……………………………… 78
5-12 ساختار شبکه در الگوریتم انتشار برگشتی………………………. 79
5-13 نگرشی کلی بر آموزش شبکه…………………………….. 80

یک مطلب دیگر :

5-14 تشخیص تصویر…………………………….. 80
5-15 حرکت به پیش……………………………….. 82
5-16 برگشت به عقب ـ تنظیم وزن‌های لایه خروجی……………….. 82
5-17 تنظیم وزن‌های لایه پنهان…………………………….. 83
5-18 سلول عصبی بایاس در شبکه…………………………….. 84
5-19 اندازه حرکت………………………………. 84
5-20 الگوریتم‌های پیشرفته…………………………….. 85
5-21 کاربردها و اخطارهای انتشار برگشتی…………………………… 86
5-22 اندازه گام…………………………….. 87
5-23 ناپایداری موقتی……………………………… 87
5-24 مبنای ریاضی الگوریتم انتشار برگشتی……………………………… 87
5-26 نحوة ارائه زوج‌های آموزشی به شبکه…………………………….. 91
5-27 سنجش میزان یادگیری و عملکرد شبکه…………………………….. 91
5-28 جذر میانگین مربع خطاها……………………………. 92
5-29 استفاده از دستورات MATLAB………………………………
فصل ششم: برآورد ضریب فشردگی تحکیم به وسیله پارامترهای فیزیکی خاک…….95
6-1- مقدمه…………………………….. 96
6-2- شناسایی پارامترهای موثر در نشست تحکیمی خاک…………… 97
6-3 بانک اطلاعات مورد استفاده…………………………….. 98
6-4 تحلیل اطلاعات با استفاده از روش برازش خطی…………… 99
6-5- نتیجه گیری……………………………… 102
فصل هفتم: مدل سازی ضریب فشردگی با استفاده از شبکه‌های عصبی-فازی (ANFIS)……..104
7-1 آشنایی با مدلسازی توسط ANFIS………………………………
7-2 مدلسازی ضریب فشردگی با استفاده از شبکه عصبی-فازی (ANFIS)……. 107
7-3 چگونگی مدلسازی وتحلیل مدل و بررسی نتایج……………………………… 109
فصل هشتم: نتیجه گیری، پیشنهادات، محدودیت‌ها……………………………. 120
8-1  نتیجه گیری……………………………… 121
8-2-  محدودیت ها…………………………….121
8-3- پیشنهاد برای ادامه مطالعه……………………………. 122
Reference……………………………..
چکیده:
نشست تحکیمی یکی از ملاحظات مهم طراحی در پروژه‌های عمرانی همچونه سازه ها، راهها و راه آهن است. این پدیده بوسیله آزمایش تحکیم تعیین می‌شود. آزمایش تحکیم یک آزمایش نسبتا وقت گیر و پر هزینه است که باید با دقت کافی انجام شود. در بسیاری از پروژه ها به خصوص در پروژه‌های خطی مانند راهها و راه آهن عدم انجام آزمایش تحکیم به تعداد و با دقت کافی ممکن است سبب وارد آمدن خسارات قابل توجهی گردد. با توجه به زمان نسبتا زیاد آزمایش تحکیم، تخمین نشست تحکیمی بر مبنای پارامترهای موثری که با انجام آزمایشات ساده و کم هزینه و با دقت کافی قابل تعیین باشند، همواره مورد توجه بسیاری از کارشناسان و محققین ژئوتکنیک و راه سازی بوده است.
در این پژوهش با استفاده از مجموعه‌ای از داده‌های آزمایشگاهی بدست آمده از چهارده طرح بزرگ ایران و به کمک روش برازش خطی گام به گام رابطه‌ای برای تخمین میزان نشست تحکیمی خاک بر اساس پارامترهای موثر وابسته ارائه شده است و با استفاده از مجموعه‌ای از داده‌های آزمایشگاهی نتایج این رابطه با نتایچ آزمایشگاهی و روابط ارائه شده توسط محققین دیگر مقایسه شده است و از  روش‌های Anfis و Neural Network جهت مدل سازی استفاده شد. بر اساس نتایج آزمایشگاهی مدل ارائه شده نسبت به روابط قبلی از خطای کمتری برخوردار بوده و تطابق بهتری با نتایج واقعی دارد.
فصل اول: کلیات
1- مقدمه