header
Image from OpenLibrary

Applications Of Spatial Variability To Deduce Soil Layering System Using Artificial Neural Networks (Anns) / By Mohamed El-Sayed Mohamed Ali Ali; Under the Supervision of Prof. Dr. Mostafa Abo Kiefa, Prof. Dr. Sherif Adel Akl

By: Contributor(s): Material type: TextTextLanguage: English Summary language: English, Arabic Producer: 2023Description: 121 pages : illustrations ; 30 cm. + CDContent type:
  • text
Media type:
  • Unmediated
Carrier type:
  • volume
Other title:
  • تطبيقات التغيرات المكانية لإستنتاج تتابع طبقات التربة بإستخدام الشبكات العصبية الاصطناعية [Added title page title]
Subject(s): DDC classification:
  • 624.15136
Available additional physical forms:
  • Issued also as CD
Dissertation note: Thesis (M.Sc.) -Cairo University, 2023. Summary: It's well known that soil layers are spatially variable, which is a major geotechnical problem that can cause foundation differential settlement. Geotechnical problems are often solved using statistical and geostatistical methods. This study will use artificial neural networks (ANNs) to address soil spatial variability. The study area is Cairo Gate Compound in Giza, Egypt. This study used 222 boreholes: 60% for model training, 20% for validation, and 20% for testing. After creating and testing the model, ANNs were found to be a powerful tool for predicting soil layer type and distribution with 95.00% accuracySummary: من المعروف أن طبقات التربة متغيرة مكانيًا وعشوائية سواء في الاتجاه الأفقي أو مع العمق ، وهو ما يعتبر مشكلة جيوتقنية كبيرة يمكن أن تؤدي إلى العديد من المشكلات مثل الهبوط النسبي للأساسات. تُستخدم الأساليب الإحصائية والجيوإحصائية بشكل شائع للتعامل مع هذه المشكلة. في هذه الدراسة تم استخدام الشبكات العصبية الاصطناعية للتعامل أيضًا مع هذه المشكلة. أجريت الدراسة في منطقة كايرو جيت بمدينة السادس من أكتوبر بالجيزة بمصر. تم استخدام عدد 222 جسة في هذه الدراسة ، 60٪ منها استخدمت لتدريب النموذج ، و 20٪ للتحقق من صحة النموذج ، و 20٪ لاختبار النموذج الذي تم انشاءة. بعد بناء واختبار النموذج الذي تم انشاءة ، أظهرت النتائج أن الشبكات العصبية الاصطناعية هي أداة قوية في التنبؤ بنوع وتوزيع طبقات التربة ، حيث بلغت دقة هذه الشبكة 95.00٪.
Tags from this library: No tags from this library for this title. Log in to add tags.
Star ratings
    Average rating: 0.0 (0 votes)

Thesis (M.Sc.) -Cairo University, 2023.

Bibliography: pages 117-121.

It's well known that soil layers are spatially variable, which is a major geotechnical problem that can cause foundation differential settlement. Geotechnical problems are often solved using statistical and geostatistical methods. This study will use artificial neural networks (ANNs) to address soil spatial variability. The study area is Cairo Gate Compound in Giza, Egypt. This study used 222 boreholes: 60% for model training, 20% for validation, and 20% for testing. After creating and testing the model, ANNs were found to be a powerful tool for predicting soil layer type and distribution with 95.00% accuracy

من المعروف أن طبقات التربة متغيرة مكانيًا وعشوائية سواء في الاتجاه الأفقي أو مع العمق ، وهو ما يعتبر مشكلة جيوتقنية كبيرة يمكن أن تؤدي إلى العديد من المشكلات مثل الهبوط النسبي للأساسات. تُستخدم الأساليب الإحصائية والجيوإحصائية بشكل شائع للتعامل مع هذه المشكلة. في هذه الدراسة تم استخدام الشبكات العصبية الاصطناعية للتعامل أيضًا مع هذه المشكلة. أجريت الدراسة في منطقة كايرو جيت بمدينة السادس من أكتوبر بالجيزة بمصر. تم استخدام عدد 222 جسة في هذه الدراسة ، 60٪ منها استخدمت لتدريب النموذج ، و 20٪ للتحقق من صحة النموذج ، و 20٪ لاختبار النموذج الذي تم انشاءة. بعد بناء واختبار النموذج الذي تم انشاءة ، أظهرت النتائج أن الشبكات العصبية الاصطناعية هي أداة قوية في التنبؤ بنوع وتوزيع طبقات التربة ، حيث بلغت دقة هذه الشبكة 95.00٪.

Issued also as CD

Text in English and abstract in Arabic & English.

There are no comments on this title.

to post a comment.