محاسبات نرم در مهندسی عمران

صفحه 1:
پروژه درس محاسبات نرم ‎put py all‏ كاوه سلیمانی استاد مربوطه: دكتر مويدفر 

صفحه 2:
lino (gle Liss *ديتا هاى مساله مربوط به فاز سوم معدن مس سونكون آذربايجان شرقی است که ار ۱ ضریب اطمینان آن با استفاده از نرم افزار های18] و ۲۳۱۱۲6 012 1 re Uw Were] CS 

صفحه 3:


صفحه 4:
۳ ‘Hole Window Extonsions nate Graphs Ubltios Transform View Data File Edit هه قی ۲ ۵ ۵ 1۳۲ 217 سک ند سح كس ‎SHS‏ ل 38 40 23 90 4s 34 02 21 20 7a 18 00 25 11 63 20 وه Ps 5 - 3 ۳ 7 pp | 00 10 50 40 40 “00 “30 00 20 30 oo 20 “00 “00 00 50 00 00 30 “40 “40 00 10 01 0 خم 30.60 50.00 50.00 10.00 50.00 400.00 6.00 38.00 50.00 37.00 400.00 50.00 3.60 40.00 3.20 88.00 200.00 ممع 15.00 10.60 42.20 42.00 20.00 2-9 19.98 25.02 45.00 45.00 30.00 34.98 34.08 30.00 30.00 ده مد وه مد 25.02 30.00 30.00 34.98 30.00 هو وه 30.00 30.00 22.00 22.90 40.02 45.00 تضم حي 02 25 999 36.00 35.01 19.98 37.98 26.98 26.01 19.98 2129 توعد )9.99 ‎oo‏ ‏26.51 ‏14.99 ‏26.01 ‏45.00 ‎oo‏ ‏30.02 ‏43.01 ‏19.98 ‏40.01 که ود 1 20 40 56 50 91 16 06 oa 9 a5 at 06 55 21 41 oa 10. 98 0 ot oo 96 0 Pe 0 30 19. 10 30 39. 10. 12 25 10 29. 28. 31 16. 26 12 450 25 ao. 2a. 12 19 2a 1.989[ ‎gama ||‏ 120 48.77 وه 23.38 177 25.40 49.97 43.97 و ده وه مه 28 1877 167 20.56 418.66 13.97 25.96 اعم هد 49.97 20.38 419.60 20.96 47.98 [o. FS 

صفحه 5:
۱9 erent re ee. ا ا رن رت را ری ‎aa SETS IE el Pry coer‏ ا ‎—L=7Tr=1‏ براى محاسبه ضريب ييرسون هم از رابطه زير استفاده مى كنيم 

صفحه 6:
‎en Beg‏ ا ‏ل ا ار مقادیر منفی بیانگر همبستگی خطی منفی هستند * ‎eae ee ee‏ لين * هرچه به مقدار -۱و+۱ نزدیک تر شویم همبستگی خطی قوی تری خواهیم داشت 

صفحه 7:
Pearson Corsa 497 000 Sig. (2a N Peorson Corrslal 0 

صفحه 8:
رت ‎-regraition—linear‏ | عع ۳ ۳ دربررسی تت ‏ ۱ Data View |Vanable View 

صفحه 9:
ضریب ]50۱8 8 7 epee ES J ar Coe eager ‏جهت تعیین این ضریب از رابطه زیر استفاده می شود:‎ ۶ بولبر استبسا مجموع مربعااتاختا هب یر‌هر سکاز مقادیر ولقعی و مقامیر پسیشینی‌شده متتاظر بسا لنتسوسط مدل می ‎peru‏ *55:1 برلبر لستبا مجموع مربعاتاختلافبينمقادير ولقعى از ميانكيرّنها مئباشد 

صفحه 10:
R SQURE we ys Model Summary” Adjusted R Durbin- a. Predictors: (Constant), pp, beta, gama, c, phi, H (m) b. Dependent Variable: FOS 

صفحه 11:
91۱۱ ES eb) Model Summary” Adjusted R td. Error of Durbin- a. Predictors: (Constant), pp, beta, gama, c, phi, H (m) b. Dependent Variable: FOS 

صفحه 12:
| Mean Square 940 079 um of juares 5.640 6.580 12.22 ndent Variable: FOS b. Predictors: (Constant), pp, beta, gama, c, phi, H (m) 

صفحه 13:
(Constant) 

صفحه 14:
ly lo Uw YL Prev 2 0 ‏ا ا ا ل ا ل ا ا‎ ci [0-0 ‏ات‎ Oe] ree ee 0 ‏ا ا ا‎ CMD IC cans + Y=0.019gama+0.023phi-0.025beta-0.001H-0.84pp+1.333 ۳ CAs) ey) fa a alee 9 ‏حاصلاز مدل:‎ | 

صفحه 15:
پالایش دیتاها با حذف داده هایی که مقدار خطای نسبی بالای 25 درصد دارند, در مجموع 52 دیتا از 73 دیتا * . تست 7 ‎a5 5005 0357756‏ 46 1996 1977 020548.£ 1.3429 18.0968 مرو 1.746268 1.3165 16.41136 0.35248 ,3.719008 1.255 14.3428 042 01 50 20 13.98 مود 1877 9 34980000 37580 35.16 مود ده 6 ,24.02 28.98 1005 1997 9 38 30 26.01 هد 13.57 02 50 20 18.98 25.06 1877 03 37 21.29 10.35 31883 30 2 3 6 10 وه مود ل ‎fer ass‏ 02 065.98 2 ممرومد 146138 0 2651 4 ‎oas235‏ تون ‎wor 0B‏ 6 1.58522 و 6 هر ووفه اكه جد ‎asa‏ و 0 isa ‏و‎ si i CC ‏لل‎ ree eee] 

صفحه 16:
کنترل آماری ‎slp loo‏ 0 بررسى ضريب همبستكى بييرسون در داده هاى يالايش شده Correlations gama phi beta Hew 

صفحه 17:
1 Std. Error of R quar 3 the Estima’ 8727 760 753 2316136711 a. Predictors: (Constant), ru, gama, b. Dependent Varial FOS 

صفحه 18:
ا ل 090/1۱۳۱۱ ۱ هاى يالايش شده الام را رم ۱ ‎Son onic cape‏ ا 00 و و را ار ‎Ree‏ ‏بین ۱ تا ۲۵ باشد نتیجه مناسب است. در دیتاهای مورد پالایش مقر این ضریب ۱/۲۲۳بوده که کاملاً در محدوده مجاز است. 

صفحه 19:
برای داده های الا ۱۲[ ۲5۲ بررسی Mean b. Predictors: (Constant), ru, gama, beta, H (m), phi 

صفحه 20:
eee NS Nee ro eee ee Bieler ‏شده‎ Coefficients® Standardized Unstandardized Coefficients Coefficients Model 8 Std. Error eta 1 (Constant) 1.314 224 gama 020 011 phi 022 004 beta -.023 004 H(m) -.001 000 ru -.900 187 a. Dependent Variable: FOS 

صفحه 21:
معادله ركرسيون خطى ديتاهاى بالايش شده * Y=0.020gama+0.022phi-0.023beta-0.01H- 0.9ppt1.311 

صفحه 22:
ا ل م BPN eee eel ‏م ا ا ا ا‎ es 0 ‏از‎ yee ree eran ec ۱ رس مر سا تور تس ‎ra oy‏ را چولگی متفی است. در شکل زیر چولگی مثبت و منفی را می بینید. 

صفحه 23:
Kurtosis Statistic Std. Error 545 545 545 d Error 276 276 276 Descriptive Statistics Maximum Mean Std. Deviation Statistic Statisti Statistic 2944000000 © 20.88815789 9 47.00 29.5275 1.30728 530 32.095 700.00 190.0772 249.33664 5000000000 1386184211 ۰ 40 2050000000 04 N Minimum Statistic Statistic 12,00000000 00 16.0 3.66 000000000 7900000000 

صفحه 24:
صحت سنجی دبتاها برای داده های پالایش شده Validate Data. VALIDATEDATA VARIABLES=gama phi beta Hm ru FOS /VARCHECKS STATUS=ON PCTMISSING=70 CV=0.001 STDDEV=0 /CASECHECKS REPORTEMPTY=YES SCOPE=ALLVARS /CASEREPORT DISPLAY=NO. 

صفحه 25:
bee uw t om ۵ ۵ ۵ ۵ gt i OPON@VENE 1 3 2 ما و ۵ با نا ها 68۵ ake oe 3 عا قا قا ا اط قاط ما قاذ انق يو با م عن قرع بو صم 8 ne uo 0 ل ل ل لا ال ما ۵ ۵ ما نز 3 1 لذ م نم ۵ ۵ ۵ BY bo wi SaROuN bos 8 ‏بل با‎ ۵ 1 ae دز بو ا بن لح ض 

صفحه 26:
‎ee eS‏ ا ‏ل ‎o(-\1¢- 1-1 K-ie reo‏ ل ا ‎Pavan‏ ‏متغیرهای مستقل را وا می ا ‎ ‎Correlations ‎Tnigama) Pearson Corielation 1 0 

صفحه 27:
R SQUARE vu. 6 Model Summary” R re 763° 582 208027034 a. Predictors: (Constant), In(H), In(beta), In(gama), In(phi) b, Dependent Variable: In(fos) 

صفحه 28:
AVONA Jaz 0 F TEST (25 829۲25510۱ Residual 

صفحه 29:
ضرايب ركرسيون و سطح معنى دارى انها *همان طور که در جدول فوق مشاهده می شود میزان سطح ی داری آزمون تا برای تمام داده ها مناسب است و کمتر از ۰.۰۵ می باشد *معادله مربوط به ركرسيون خطى توسط نرم افزار 51255 براى داده ها به صورت زير مى باشدة * Y=0.36gama+0.29phi-0.29beta-0.074H-0.29 andardized Coefficients In(phi In(bet Into) 

صفحه 30:
Descriptive Statistics Minimum Maximum Mean Std. Deviation ‘Skewness Kurtosis Statistic Statistic Statistic Statistit Statisti 6 Std. Error Statistic ۲ In(gama) 58 6850 ۰ 3347796605 ۰ 2899392678 1805729671 2.033 618 In(phi) 5 93 3850147602 32924731377 4029818034 8 519 618 In(beta) 58 8 3970291914 3 8 2923274502 -367 ~508 618 In(H) 5 63230 0 30008 59 5 56 3 618 In(fos) 58 -.186329578 2 2368838045 3 8 618 Valid N (listwise) 

صفحه 31:
ا ل ا ا ا ا ات ؟) يافتن اندازه ويا شكل متفير توا ارس ات وج ما ات ؟) اصلاحات جزئى و متذاول اجرايى بررروى نشايخ به راحتى قابل لاعلاظ و أنداره كيرى ميباشد ا ا ا ‎oe‏ 

صفحه 32:
alu. J> sl-GP skh sou els امو ‎Sik (SES es Fag gs ry ee OL‏ ۶ به صورت مکرر (1610176117) گام های زیر را تا زمانی که معیار توقف مورد نظر اغنا شود دنبال می کند: 1 ‎on car Ey eee ean COE Deena Cure OG‏ ا 0[ ‎pe ce‏ ا ‎BS‏ ‏رک PRO ery Ye Pee ped Hear oer re are Ts IY ene IR EMER Co CeSI3(0)1.-) BREW 00006 re sear el tn ieee NS V ener E Irie |i NYRe ower AW pear v PROCENE ERC USLTARaLa lo) sD greg 

صفحه 33:
۴5)2( ورود دیتاهای [_ Change Data Set 1 25.02 9.99] 3 19.98) 37.98 28.98 26.01 19.98) 21.23 35.01 | Reset Refresh 30.6] 50 50 50 100 50 37 1001 18.8 18.77 19.77| 18.77 28.4 19.97 13.97| 18.77 18.83 23.4 gama Independent Variables: 14.4] 30.4) 19.96 30.01 39.16 10.05) 12 25.06 10.3 29.41 19.98 25.02| 45 30 34.98) 34.03 30 30 34.03 34.98) beta Training Set Samples: 51 

صفحه 34:
ساخت مدل اول توسط الکوریتم ژنتیک 00100 Representation Definition Addition Subtraction Multiplication Division OhePontenbatin 

صفحه 35:
در اشكال زير نمودار يراكندكى هر يك از متغيرهاى مستقل در برابر متغير وابسته داده شده است: int [gana | ‏ا‎ 3 

صفحه 36:
وه ماو leu تن سعط یا سود وت 0 - كمد سمه 

صفحه 37:
براى داده هاى حاصل از 11/4111 داريم: 

صفحه 38:
ديتاها نست ى حاصل از نست 

صفحه 39:
Code generated by GeneXpreToole 4.0 on 5/13/2018 11:02:51 aM Training Samples: 51 Fitness Function: RESE Treining Fitness: 725.194473480075 Training R-square: 0. 856699235974691 KON R aS function result = gepModelFS(s)(d) Gico = -9.401245; 6121 = -6 380096: G2co = —8 519806 G2ci = —§ 929841) 6360 - 7 Gaci = 2۶ 5 beta = 1: gana = 3: a phi PP = verTemp = 0.0; warTemp = (¢((d(c}/d(H) }+G1C1)4(d(gema)+d(gama)))7{ (d(gama)*d(pp))+d(betay)): verTemp = varTemp + ((((d(pp)*G2cij+(d(H)/G2C0))+¢(d(cj}“d(H) )4G2C1) )~d (beta) }: verTemp = varTemp + ((((d(phi)/d(H) )+d(gama))~digama))+((dtbeta)“G3C1)“(d(c)+G3C0) )): result = varTenp: