dc.contributor.author | Δράκος, Ιάσων![]() |
el |
dc.contributor.author | Drakos, Iason![]() |
en |
dc.date.accessioned | 2024-02-13T09:58:50Z | |
dc.date.available | 2024-02-13T09:58:50Z | |
dc.identifier.uri | https://dspace.lib.ntua.gr/xmlui/handle/123456789/58872 | |
dc.identifier.uri | http://dx.doi.org/10.26240/heal.ntua.26568 | |
dc.rights | Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/gr/ | * |
dc.subject | Μηχανική Μάθηση | el |
dc.subject | Εδαφομηχανική | el |
dc.subject | Γεωτεχνική Μηχανική | el |
dc.subject | Αργιλικά Εδάφη | el |
dc.subject | Αστράγγιστη Διατμητική Αντοχή | el |
dc.title | Προσδιορισμός αστράγγιστης διατμητικής αντοχής αργιλικών εδαφών με την χρήση μεθόδων μηχανικής μάθησης | el |
heal.type | bachelorThesis | |
heal.classification | Εδαφομηχανική | el |
heal.classification | Μηχανική Μάθηση | el |
heal.language | el | |
heal.access | free | |
heal.recordProvider | ntua | el |
heal.publicationDate | 2023-10 | |
heal.abstract | Η παρούσα διπλωματική εργασία πραγματεύεται την χρήση της μηχανικής μάθησης στον κλάδο της γεωτεχνικής μηχανικής. Βασικό στόχο της αποτελεί η σύνθεση μιας σειράς αλγορίθμων μηχανικής μάθησης, οι οποίοι τροφοδοτούμενοι με δεδομένα όπως ο δείκτης πλαστικότητας ή ο λόγος υπερστερεοποίησης θα βρίσκονται σε θέση να παρέχουν εκτιμήσεις για την αστράγγιστη διατμητική αντοχή αργιλικών εδαφών. Συγκεκριμένα, χρησιμοποιούνται μοντέλα Τεχνητών Νευρωνικών Δικτύων ( Artificial Neural Networks ), Μηχανές Διανυσμάτων Υποστήριξης ( Support Vector Machines ) και Δένδρα Αποφάσεων ( Decision Trees ) υποβοηθούμενα από τον αλγόριθμο XGBoost. Στο κεφάλαιο της εισαγωγής, παρουσιάζονται οι βασικοί στόχοι της εργασίας και οι λόγοι για τους οποίους θεωρείται σημαντική η χρήση μηχανικής μάθησης για την εκτίμηση γεωτεχνικών παραμέτρων. Στο επόμενο κεφάλαιο γίνεται μια εκτενής αναφορά στις φυσικές και μηχανικές ιδιότητες που χρησιμοποιούνται στα επακόλουθα μοντέλα μηχανικής μάθησης καθώς και στις μεθόδους προσδιορισμού των ιδιοτήτων αυτών. Στο τρίτο κεφάλαιο ( Μηχανική Μάθηση ) περιγράφονται οι κατηγορίες μηχανικής μάθησης που αξιοποιήθηκαν στην παρούσα εργασία καθώς και η μεθοδολογία αξιολόγησης και βελτίωσης των σχετικών μοντέλων. Παράλληλα, πραγματοποιείται και μια σύντομη βιβλιογραφική ανασκόπηση ορισμένων αξιοσημείωτων περιπτώσεων εφαρμογής μοντέλων μηχανικής μάθησης σε ζητήματα γεωτεχνικής μηχανικής. Στο ειδικό μέρος παρουσιάζονται τα μοντέλα μηχανικής που αναπτύχθηκαν για τους σκοπούς της εργασίας και αξιολογούνται τα αποτελέσματα των προβλέψεών τους σε σύγκριση με υπάρχουσες εμπειρικές σχέσεις. Τέλος, στο πέμπτο κεφάλαιο αναλύονται οι παρατηρήσεις και τα συμπεράσματα που προέκυψαν κατά την σύνθεση και αξιολόγηση των προαναφερθέντων μοντέλων. Με βάση τα παραπάνω, παρατίθενται και ορισμένες προτάσεις για περαιτέρω έρευνα επί του παρόντος θέματος. | el |
heal.advisorName | Μπενάρδος, Ανδρέας | el |
heal.committeeMemberName | Μπενάρδος, Ανδρέας | el |
heal.committeeMemberName | Ζευγώλης, Ιωάννης | el |
heal.committeeMemberName | Νομικός, Παύλος | el |
heal.academicPublisher | Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών. Τομέας Τεχνολογίας των Κατεργασιών | el |
heal.academicPublisherID | ntua | |
heal.numberOfPages | 114 σ. | el |
heal.fullTextAvailability | false |
Οι παρακάτω άδειες σχετίζονται με αυτό το τεκμήριο: