All

What are you looking for?

All
Projects
Results
Organizations

Quick search

  • Projects supported by TA ČR
  • Excellent projects
  • Projects with the highest public support
  • Current projects

Smart search

  • That is how I find a specific +word
  • That is how I leave the -word out of the results
  • “That is how I can find the whole phrase”

BACK ANALYSIS OF TUNNEL STRUCTURES BASED ON NEURAL NETWORKS

The result's identifiers

  • Result code in IS VaVaI

    <a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F16%3A00306702" target="_blank" >RIV/68407700:21110/16:00306702 - isvavai.cz</a>

  • Result on the web

  • DOI - Digital Object Identifier

Alternative languages

  • Result language

    čeština

  • Original language name

    ZPĚTNÁ ANALÝZA TUNELOVÝCH KONSTRUKCÍ POMOCÍ NEURONOVÝCH SÍTÍ

  • Original language description

    Po stručném úvodu je v prvé části článku stručně popsán vybraný řez, jeho geologické prostředí a prováděný monitoring. V následující části je zmíněn numerický model použitý pro výpočet napětí, deformace tunelu a sedání povrchu. Hlavní část článku je zaměřena na použití neuronových sítí při zpětné analýze tunelové konstrukce. Aplikace neuronových sítí při zpětné analýze má mnoho výhod, speciálně v předpovědi parametrů zemin a hornin, jež mají významný vliv na výsledné hodnoty numerického modelu. Predikce deformací tunelu byla určena pomocí vícevrstvé sítě se zpětným šířením chyby, tzv. Back Propagation Neural Networks, jejíž principy jsou popsány v jedné z kapitol článku.

  • Czech name

    ZPĚTNÁ ANALÝZA TUNELOVÝCH KONSTRUKCÍ POMOCÍ NEURONOVÝCH SÍTÍ

  • Czech description

    Po stručném úvodu je v prvé části článku stručně popsán vybraný řez, jeho geologické prostředí a prováděný monitoring. V následující části je zmíněn numerický model použitý pro výpočet napětí, deformace tunelu a sedání povrchu. Hlavní část článku je zaměřena na použití neuronových sítí při zpětné analýze tunelové konstrukce. Aplikace neuronových sítí při zpětné analýze má mnoho výhod, speciálně v předpovědi parametrů zemin a hornin, jež mají významný vliv na výsledné hodnoty numerického modelu. Predikce deformací tunelu byla určena pomocí vícevrstvé sítě se zpětným šířením chyby, tzv. Back Propagation Neural Networks, jejíž principy jsou popsány v jedné z kapitol článku.

Classification

  • Type

    D - Article in proceedings

  • CEP classification

    JN - Civil engineering

  • OECD FORD branch

Result continuities

  • Project

    <a href="/en/project/TE01020168" target="_blank" >TE01020168: Centre for Effective and Sustainable Transport Infrastructure (CESTI)</a><br>

  • Continuities

    P - Projekt vyzkumu a vyvoje financovany z verejnych zdroju (s odkazem do CEP)

Others

  • Publication year

    2016

  • Confidentiality

    S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Data specific for result type

  • Article name in the collection

    Sborník příspěvků 13. mezinárodní konference Podzemní stavby Praha 2016 a 3. Východoevropské tunelářské konference EETC 2016

  • ISBN

    978-80-906452-0-2

  • ISSN

  • e-ISSN

  • Number of pages

    8

  • Pages from-to

  • Publisher name

    Česká tunelářská asociace ITA-AITES

  • Place of publication

    Praha

  • Event location

    Praha

  • Event date

    May 23, 2016

  • Type of event by nationality

    WRD - Celosvětová akce

  • UT code for WoS article