Documents disponibles écrits par cet auteur

Artificial neural network (ANN) models for determining hydraulic conductivity of compacted fine-grained soils / Yusuf Erzin in Canadian geotechnical journal, Vol. 46 N° 8 (Août 2009) 

Public ISBD [article]  in Canadian geotechnical journal > Vol. 46 N° 8 (Août 2009) . - pp. 955-968 Titre : Artificial neural network (ANN) models for determining hydraulic conductivity of compacted fine-grained soils Type de document : texte imprimé Auteurs : Yusuf Erzin, Auteur ; S. D. Gumaste, Auteur ; A. K. Gupta, Auteur Article en page(s) : pp. 955-968 Note générale : Sciences de la Terre Langues : Anglais (eng) Mots-clés : Artificial  neural  networks  Fine-grained  soils  Centrifuge  modeling  Falling-head  tests  Hydraulic  conductivity  Réseaux  de  neurones  artificiels  Sols  fins  modélisation  avec  centrifugeuse  Essais  à  charge  variable  Conductivité  hydraulique Résumé : This study deals with development of artificial neural networks (ANNs) and multiple regression analysis (MRA) models for determining hydraulic conductivity of fine-grained soils. To achieve this, conventional falling-head tests, oedometer falling-head tests, and centrifuge tests were conducted on silty sand and marine clays compacted at different dry densities and moisture contents. Further, results obtained from ANN and MRA models were compared vis-à-vis experimental results. The performance indices such as the coefficient of determination, root mean square error, mean absolute error, and variance were used to assess the performance of these models. The ANN models exhibit higher prediction performance than the MRA models based on their performance indices. It has been demonstrated that the ANN models developed in the study can be employed for determining hydraulic conductivity of compacted fine-grained soils quite efficiently. Cette étude touche le développement des réseaux de neurones artificiels (RNA) et de modèles d’analyse par régression multiple (ARM) pour déterminer la conductivité hydraulique de sols fins. Des essais à charge variable conventionnels, des essais oedométriques à charge variable et des essais dans une centrifugeuse ont été réalisés sur du sable silteux et des argiles marines, compactés à des densités sèches et des teneurs en humidité différentes. De plus, les résultats obtenus par les RNA et par les modèles ARM ont été comparés aux résultats expérimentaux. Des indicateurs de performance comme le coefficient de détermination, l’erreur du moindre carré, l’erreur absolue de la moyenne et la variance ont été utilisés pour évaluer la performance de ces modèles. Les modèles RNA présentent une meilleure performance en prédiction que les modèles ARM selon les indicateurs de performance. Ainsi, il a été démontré que les modèles RNA développés dans cette étude peuvent être utilisés pour déterminer efficacement la conductivité hydraulique des sols fins compactés. DEWEY : 550 ISSN : 0008-3674 En ligne : http://rparticle.web-p.cisti.nrc.ca/rparticle/AbstractTemplateServlet?calyLang=f [...] [article] Artificial neural network (ANN) models for determining hydraulic conductivity of compacted fine-grained soils [texte imprimé] / Yusuf Erzin, Auteur ; S. D. Gumaste, Auteur ; A. K. Gupta, Auteur . - pp. 955-968. Sciences de la Terre Langues : Anglais (eng) in Canadian geotechnical journal > Vol. 46 N° 8 (Août 2009) . - pp. 955-968 Mots-clés : Artificial  neural  networks  Fine-grained  soils  Centrifuge  modeling  Falling-head  tests  Hydraulic  conductivity  Réseaux  de  neurones  artificiels  Sols  fins  modélisation  avec  centrifugeuse  Essais  à  charge  variable  Conductivité  hydraulique Résumé : This study deals with development of artificial neural networks (ANNs) and multiple regression analysis (MRA) models for determining hydraulic conductivity of fine-grained soils. To achieve this, conventional falling-head tests, oedometer falling-head tests, and centrifuge tests were conducted on silty sand and marine clays compacted at different dry densities and moisture contents. Further, results obtained from ANN and MRA models were compared vis-à-vis experimental results. The performance indices such as the coefficient of determination, root mean square error, mean absolute error, and variance were used to assess the performance of these models. The ANN models exhibit higher prediction performance than the MRA models based on their performance indices. It has been demonstrated that the ANN models developed in the study can be employed for determining hydraulic conductivity of compacted fine-grained soils quite efficiently. Cette étude touche le développement des réseaux de neurones artificiels (RNA) et de modèles d’analyse par régression multiple (ARM) pour déterminer la conductivité hydraulique de sols fins. Des essais à charge variable conventionnels, des essais oedométriques à charge variable et des essais dans une centrifugeuse ont été réalisés sur du sable silteux et des argiles marines, compactés à des densités sèches et des teneurs en humidité différentes. De plus, les résultats obtenus par les RNA et par les modèles ARM ont été comparés aux résultats expérimentaux. Des indicateurs de performance comme le coefficient de détermination, l’erreur du moindre carré, l’erreur absolue de la moyenne et la variance ont été utilisés pour évaluer la performance de ces modèles. Les modèles RNA présentent une meilleure performance en prédiction que les modèles ARM selon les indicateurs de performance. Ainsi, il a été démontré que les modèles RNA développés dans cette étude peuvent être utilisés pour déterminer efficacement la conductivité hydraulique des sols fins compactés. DEWEY : 550 ISSN : 0008-3674 En ligne : http://rparticle.web-p.cisti.nrc.ca/rparticle/AbstractTemplateServlet?calyLang=f [...]