ترجمه فارسی مقاله توسعه یک مدل هوش مصنوعی قابل توضیح (XAI) برای پیش بینی ارتعاشات شمع رانش در زیر خاک بانکوک

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی Developing an Explainable Artificial Intelligent (XAI) Model for Predicting Pile Driving Vibrations in Bangkok's Subsoil
عنوان مقاله به فارسی توسعه یک مدل هوش مصنوعی قابل توضیح (XAI) برای پیش بینی ارتعاشات شمع رانش در زیر خاک بانکوک
نویسندگان Sompote Youwai, Anuwat Pamungmoon
فرمت مقاله انگلیسی PDF
تعداد صفحات 22
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,یادگیری ماشین ,
توضیحات Submitted 8 September, 2024; originally announced September 2024.
توضیحات به فارسی ارسال شده در 8 سپتامبر 2024 ؛در ابتدا سپتامبر 2024 اعلام شد.
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

This study presents an explainable artificial intelligent (XAI) model for predicting pile driving vibrations in Bangkok's soft clay subsoil. A deep neural network was developed using a dataset of 1,018 real-world pile driving measurements, encompassing variations in pile dimensions, hammer characteristics, sensor locations, and vibration measurement axes. The model achieved a mean absolute error (MAE) of 0.276, outperforming traditional empirical methods and other machine learning approaches such as XGBoost and CatBoost. SHapley Additive exPlanations (SHAP) analysis was employed to interpret the model's predictions, revealing complex relationships between input features and peak particle velocity (PPV). Distance from the pile driving location emerged as the most influential factor, followed by hammer weight and pile size. Non-linear relationships and threshold effects were observed, providing new insights into vibration propagation in soft clay. A web-based application was developed to facilitate adoption by practicing engineers, bridging the gap between advanced machine learning techniques and practical engineering applications. This research contributes to the field of geotechnical engineering by offering a more accurate and nuanced approach to predicting pile driving vibrations, with implications for optimizing construction practices and mitigating environmental impacts in urban areas. The model and its source code are publicly available, promoting transparency and reproducibility in geotechnical research.

چکیده به فارسی (ترجمه ماشینی)

این مطالعه یک مدل هوشمند مصنوعی قابل توضیح (XAI) را برای پیش بینی ارتعاشات رانندگی شمع در زیر خاک رس نرم بانکوک ارائه می دهد.یک شبکه عصبی عمیق با استفاده از یک مجموعه داده از 1،018 اندازه گیری رانندگی شمع در دنیای واقعی ، شامل تغییرات در ابعاد شمع ، ویژگی های چکش ، مکان های سنسور و محورهای اندازه گیری لرزش ایجاد شد.این مدل میانگین خطای مطلق (MAE) 0.276 را بدست آورد ، و از روشهای سنتی تجربی و سایر رویکردهای یادگیری ماشین مانند XGBoost و CatBoost استفاده کرد.تجزیه و تحلیل توضیحات افزودنی شاپلی (Shap) برای تفسیر پیش بینی های مدل استفاده شد و روابط پیچیده بین ویژگی های ورودی و سرعت ذرات اوج (PPV) را نشان داد.فاصله از محل رانندگی شمع به عنوان تأثیرگذارترین عامل پدیدار شد و به دنبال آن وزن چکش و اندازه شمع.روابط غیر خطی و اثرات آستانه مشاهده شد ، و بینش جدیدی در مورد انتشار لرزش در خاک رس نرم ارائه می شود.یک برنامه مبتنی بر وب برای تسهیل پذیرش با استفاده از مهندسین ، ایجاد شکاف بین تکنیک های یادگیری ماشین پیشرفته و برنامه های مهندسی عملی تهیه شده است.این تحقیق با ارائه یک رویکرد دقیق تر و ظریف تر برای پیش بینی ارتعاشات رانندگی شمع ، با پیامدهای بهینه سازی شیوه های ساخت و ساز و کاهش اثرات زیست محیطی در مناطق شهری ، به زمینه مهندسی ژئوتکنیک کمک می کند.این مدل و کد منبع آن در دسترس عموم هستند و شفافیت و تکرارپذیری را در تحقیقات ژئوتکنیکی ترویج می کنند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.