ISSN: 2169-0286
Isham Alzoubi
Le nivellement du sol est l'une des avancées les plus importantes dans la planification et le développement des sols. Bien que le nivellement du sol avec des machines nécessite une quantité importante d'énergie, il offre une pente de surface raisonnable avec une dégradation négligeable du sol et des dommages aux plantes et aux autres êtres vivants dans le sol. Dans tous les cas, les spécialistes ont tenté ces dernières années de réduire l'utilisation de dérivés du pétrole et ses effets nocifs en utilisant de nouvelles procédures, par exemple, le réseau neuronal artificiel (ANN), l'algorithme concurrentiel impérialiste - ANN (ICA-ANN), et le système d'inférence neuro-floue récidiviste et adaptatif (ANFIS) et l'analyse de sensibilité qui conduiront à une amélioration perceptible du sol. Dans cette étude, les effets de différentes propriétés du sol, par exemple, le volume du remblai, le facteur de compressibilité du sol , la gravité spécifique, la teneur en humidité, la pente, le pourcentage de sable et l'indice de gonflement du sol sur l'utilisation de l'énergie ont été étudiés. L'étude comprenait 90 exemples recueillis dans 3 zones différentes. Français La taille du réseau a été définie à 20 m sur 20 m (20*20) à partir d'une terre agricole dans le territoire de Karaj en Iran. Le but de ce travail était de décider du meilleur modèle direct Système d'inférence neuro-floue adaptatif (ANFIS) et analyse de sensibilité afin d'anticiper l'utilisation de l'énergie pour le nivellement du terrain. Comme indiqué par les résultats de l'analyse de sensibilité, seules trois limites ; Densité, Facteur de compressibilité du sol et, Indice de volume de remblai ont eu un impact critique sur l'utilisation du carburant. Selon les résultats de la rechute, seules trois limites ; Pente, Volume de coupe-remblai (V) et, Indice de gonflement du sol (SSI) ont eu un impact énorme sur l'utilisation de l'énergie. L'utilisation d'un cadre de dérivation neuro-floue polyvalent pour la prévision de l'énergie de travail, de l'énergie du carburant, du coût total de l'appareil et de l'énergie totale du matériel peut être efficacement illustrée. En corrélation avec l'ANN, tous les modèles ICA-ANN avaient une plus grande précision dans la prévision par leur valeur R2 plus élevée et leur valeur RMSE plus faible.