Neural Networks in Back Analysis of Tunnels

Kód výsledku v IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F17%3A00306873" target="_blank" >RIV/68407700:21110/17:00306873 - isvavai.cz</a>

Výsledek na webu

<a href="http://link.springer.com/chapter/10.1007/978-981-10-3247-9_4" target="_blank" >http://link.springer.com/chapter/10.1007/978-981-10-3247-9_4</a>

DOI - Digital Object Identifier

<a href="http://dx.doi.org/10.1007/978-981-10-3247-9_4" target="_blank" >10.1007/978-981-10-3247-9_4</a>

Jazyk výsledku

angličtina

Název v původním jazyce

Neural Networks in Back Analysis of Tunnels

Popis výsledku v původním jazyce

To ensure the best agreement of the numerical model behaviour and the reality the back analysis can be used. At present, the engineers prefer relatively simple back inverse methods, however it does not necessarily lead to the desired results. Between the current methods to perform back analysis of soil parameters the method based on the artificial neural networks is the one which is used in the Czech Republic. After a short introduction the principles of the prediction of the tunnel deformation using multi-layer neural network with back propagation are described. At the end of the paper the practical application of the neural networks in the back analysis is shown.

Název v anglickém jazyce

Neural Networks in Back Analysis of Tunnels

Popis výsledku anglicky

To ensure the best agreement of the numerical model behaviour and the reality the back analysis can be used. At present, the engineers prefer relatively simple back inverse methods, however it does not necessarily lead to the desired results. Between the current methods to perform back analysis of soil parameters the method based on the artificial neural networks is the one which is used in the Czech Republic. After a short introduction the principles of the prediction of the tunnel deformation using multi-layer neural network with back propagation are described. At the end of the paper the practical application of the neural networks in the back analysis is shown.

Druh

D - Stať ve sborníku

CEP obor

—

OECD FORD obor

20101 - Civil engineering

Projekt

<a href="/cs/project/TE01020168" target="_blank" >TE01020168: Centrum pro efektivní a udržitelnou dopravní infrastrukturu (CESTI)</a><br>

Návaznosti

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

Rok uplatnění

2017

Kód důvěrnosti údajů

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

Název statě ve sborníku

Durability of Critical Infrastructure, Monitoring and Testing Proceedings of the ICDCF 2016

ISBN

978-981-10-3246-2

ISSN

2195-4356

e-ISSN

—

Počet stran výsledku

8

Strana od-do

27-34

Název nakladatele

Springer Nature Singapore Pte Ltd.

Místo vydání

—

Místo konání akce

Šatov

Datum konání akce

6. 12. 2016

Typ akce podle státní příslušnosti

WRD - Celosvětová akce

Kód UT WoS článku

000419058500004