{
    "metadata": {
        "dataset_id": "shahroodut-thesis",
        "record_id": "TA391",
        "title": "مدل‌سازی رفتاری پی با استفاده از الگوریتم ترکیبی شبکه عصبی مصنوعی و تبرید شبیه‌سازی شده",
        "publisher": "دانشگاه صنعتی شاهرود",
        "owner": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "license": "CC-BY-4.0",
        "license_url": "https://creativecommons.org/licenses/by/4.0/",
        "license_text": "استفاده، بازنشر، تحلیل، پردازش و بهره برداری پژوهشی، آموزشی و صنعتی با ذکر منبع دانشگاه صنعتی شاهرود مجاز است.",
        "publication_date": "1396",
        "last_update": "2026-07-11",
        "language": "fa",
        "format": "application/json",
        "contact": "thesis@shahroodut.ac.ir",
        "access": {
            "fulltext_available": "true",
            "public_access": "true"
        }
    },
    "data": {
        "thesis_id": "TA391",
        "title": "مدل‌سازی رفتاری پی با استفاده از الگوریتم ترکیبی شبکه عصبی مصنوعی و تبرید شبیه‌سازی شده",
        "degree": null,
        "faculty": "مهندسی عمران",
        "year": 1396,
        "authors": [
            {
                "name": "میلاد عرب اسماعیلی",
                "role": "پدیدآور اصلی"
            },
            {
                "name": "سید مهدی حسینی",
                "role": "استاد راهنما"
            }
        ],
        "keywords": [
            "ظرفیت باربری نهایی",
            "شبکه عصبی مصنوعی",
            "تبرید شبیه‌سازی شده",
            "پی های سطحی",
            "خاک های دانه ای",
            "پیش بینی"
        ],
        "abstract": "اخیراً، برای جلوگیری از صرف زمان و هزینه بسیار زیاد انجام آزمایشات متعدد، گرایش به سمت ابزارهای کامپیوتری که مشابه با سیستم بیولوژیکی (شبه بیولوژیکی) باشند افزایش یافته است. در این مطالعه، تکنیک شبه بیولوژیکی جدیدی که از ترکیب شبکه عصبی مصنوعی (ANN) و تبرید شبیه‌سازی شده (SA) بوجود آمده برای پیش بینی ظرفیت باربری نهایی پی بر خاک های دانه ای به کار گرفته شده است. مدل ANN/SA پیشنهادی بر پایه استفاده از نتایج آزمایشگاهی بسط داده شده است که پس از مطالعه گسترده ادبیات فنی جمع آوری شده اند.  مجموعه داده ها شامل آزمایشات انجام شده بر روی پی های کوچک و بزرگ مقیاس مربعی، دایره ای و نواری بر بستر ماسه ای می باشد. مدل طراحی جدید ارائه شده  ظرفیت باربری نهایی پی های سطحی را بر اساس پارامترهای مربوط به هندسه پی (مانند عرض، عمق و شکل پی) و مشخصات مکانیکی خاک (مانند وزن مخصوص متوسط و زاویه اصطکاک داخلی خاک) فرمول بندى می کند. به منظور بدست آوردن مدل های بهینه، سعی و خطای گسترده ای با استفاده از پارامترهای موثر بر ظرفیت باربری صورت گرفته است. نقش پارامترهای موثر در پیش بینی ظرفیت باربری با استفاده از آنالیز حساسیت مورد بحث و بررسی استفاده قرار گرفته است. مطالعه مقایسه ای صورت گرفته با معادلات بسیار معروف ارائه شده توسط ترزاقی، میرهوف، هنسن و وسیک امکان استفاده از مدل ANN/SA را به عنوان جایگزینی مطمئن برای اینگونه معادلات کلاسیک اثبات می نماید. نتایج نشانگر عملکرد بهتر مدل ارائه شده در مقایسه با سایر مدل های هوش مصنوعی موجود در ادبیات فنی می باشند. شایان ذکر است مدل  های بر پایه ANN غالبا به دلیل ناتوانی در توضیح اصول زیر ساختی برای پیش بینی، به عنوان مدل های جعبه  های سیاه شناخته می-شوند. به عبارت دیگر، اگرچه به طور کلی ANN در پیش بینی موفق هستند ولی قادر به ایجاد معادلات کاربردی پیش بینی کننده نیستند. برای غلبه بر این محدودیت، فرایند جدیدی تعریف شده است که بر پایه آن مدل بهینه حاصل از ANN/SA به معادله طراحی نسبتا ساده ای برگردانده شده است. روند محاسبات بر پایه وزن ها و بایاس های بهترین ساختار و بصورت کابردی در قالب برنامه صفحه گسترده ارائه شده است.",
        "repository": "کتابخانه مرکزی دانشگاه صنعتی شاهرود",
        "note": "حقوق مادی و معنوی متعلق به دانشگاه صنعتی شاهرود می باشد.",
        "download_url": "https://shahroodut.ac.ir/fa/thesis/files/somefiles/sf_TA391.pdf"
    },
    "dictionary": {
        "thesis_id": "شناسه پایان نامه",
        "title": "عنوان پایان نامه",
        "degree": "مقطع تحصیلی",
        "faculty": "دانشکده",
        "year": "سال دفاع",
        "authors": "پدیدآورندگان",
        "keywords": "کلیدواژه ها",
        "abstract": "چکیده",
        "repository": "محل نگهداری",
        "note": "یادداشت",
        "download_url": "آدرس فایل پایان نامه"
    }
}