Skip to main content
main-content

Tipp

Weitere Artikel dieser Ausgabe durch Wischen aufrufen

24.09.2016 | Original Article | Ausgabe 3/2017

Engineering with Computers 3/2017

Evaluating the modulus of elasticity of soil using soft computing system

Zeitschrift:
Engineering with Computers > Ausgabe 3/2017
Autoren:
L. K. Sharma, Rajesh Singh, R. K. Umrao, K. M. Sharma, T. N. Singh

Abstract

The elastic modulus of soil is a key parameter for geotechnical projects, transportation engineering, engineering geology and geotechnics, but its estimation in laboratory or field is complex and difficult task due to instrument handling problems, high cost, and it being a time consuming process. For this reason, the predictive models are useful tool for indirect estimation of elastic modulus. In this study, to determine the modulus of elasticity of soil, a rapid, less expensive, and reliable predictive model was proposed using artificial neural network (ANN). For this purpose, a series of laboratory tests were conducted to estimate the index properties (i.e., particle size fractions, plastic limit, liquid limit, unit weight, and specific gravity) and the modulus of elasticity of soils collected from Mahabaleshwar (Maharashtra), Malshej Ghat (Maharashtra), and Lucknow (Uttar Pradesh), in India. The input parameters in the developed ANN model are gravel, sand, fines, plastic limit, liquid limit, unit weight, and specific gravity, and the output is modulus of elasticity. The accuracy of the obtained ANN model was also compared with the multiple regression model based on coefficient of determination (R 2), the mean absolute error (MAE), and the variance account for (VAF). The ANN predictive model had the R 2, MAE, and VAF equal to 0.98, 5.07, and 97.64 %, respectively, superseding the performance of the multiple regression model. The performance comparison revealed that ANN model has more reliable predictive performance than multiple regression and it can be applied for predicting the modulus of elasticity of soil with more confidence. Thus, the result of the present study indicates that the modulus of elasticity of soil can reliably be estimated from the indirect method using ANN analysis with greater confidence.

Bitte loggen Sie sich ein, um Zugang zu diesem Inhalt zu erhalten

Sie möchten Zugang zu diesem Inhalt erhalten? Dann informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 50.000 Bücher
  • über 380 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Maschinenbau + Werkstoffe




Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 69.000 Bücher
  • über 500 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Umwelt
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Testen Sie jetzt 30 Tage kostenlos.

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 58.000 Bücher
  • über 300 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Testen Sie jetzt 30 Tage kostenlos.

Literatur
Über diesen Artikel

Weitere Artikel der Ausgabe 3/2017

Engineering with Computers 3/2017 Zur Ausgabe