Revista de Gestión Hotelera y Empresarial
Acceso abierto

abstracto

Predicción de indicadores ambientales en nivelación de terrenos mediante técnicas de inteligencia artificial

Isham Alzoubi

La nivelación de terrenos es uno de los avances más significativos en la planificación y desarrollo de suelos. A pesar de que la nivelación del suelo con máquinas requiere una gran cantidad de vitalidad, proporciona una pendiente superficial razonable con una descomposición insignificante de la tierra y daños a las plantas y otros seres vivos en la tierra. En cualquier caso, los especialistas durante los últimos años han intentado disminuir la utilización de derivados del petróleo y sus síntomas perniciosos utilizando nuevos procedimientos, por ejemplo, Red Neural Artificial (ANN) ,Algoritmo competitivo imperialista – ANN (ICA-ANN), y recaída y Sistema de Inferencia Neuro-Fuzzy Adaptativo (ANFIS) y Análisis de Sensibilidad que impulsarán una mejora perceptible en la tierra. En este examen, los impactos de diferentes propiedades del suelo, por ejemplo, Terraplén Volumen, Comprensibilidad del suelo Factor Se investigaron la gravedad específica, el contenido de humedad, la pendiente, el porcentaje de arena y el índice de hinchamiento del suelo en la utilización de la vitalidad. El examen estuvo compuesto por 90 ejemplos que se recopilaron de 3 áreas únicas. El tamaño de la red se fijó en 20 m en 20 m (20*20) de una tierra de cultivo en el territorio de Karaj en Irán. El objetivo de este trabajo fue decidir el mejor modelo directo del Sistema de Inferencia Neurodifuso Adaptativo (ANFIS) y el Análisis de Sensibilidad para anticipar la utilización de la vitalidad para la nivelación del terreno. Como lo indican los efectos secundarios del análisis de sensibilidad, solo tres límites; Densidad, factor de compresibilidad del suelo y Volumen El índice tenía un índice crítico impacto en la utilización de combustible. Según los efectos secundarios de la recaída, solo tres límites; La pendiente, el volumen (V) y el índice de expansión del suelo (SSI) tuvieron un gran impacto en la utilización de la vitalidad. El uso de un marco versátil de derivación neuro-esponjosa para pronosticar la vitalidad del trabajo, la vitalidad del combustible, el costo total del equipo y toda la vitalidad del hardware se puede ilustrar de manera efectiva. En correlación con ANN, todos los modelos ICA-ANN tuvieron una mayor exactitud en el pronóstico debido a su mayor valor de R2 y menor estimación de RMSE.