Усиление (укрепление) откосов котлована GeoSM

При заложении откосов котлованов необходимо обеспечивать отличную устойчивость и прочность.

 

Поэтому современные методы усиления (укрепления) откосов котлована предполагают применение инновационных геосинтетических материалов, приобрести которые можно в нашей компании GeoSM, специализирующейся на производстве и продаже этих материалов во всем ассортименте по наилучшим ценам.

Наши материалы для крепления откосов котлована разработаны по уникальной, запатентованной технологии.

 

Мы специализируемся на разработке и производстве геосинтетиков Геофлакс:

— геотекстильного полотна Геофлакс;
— георешетки Геофлакс;
— геосетки Геофлакс;
— геоматов Геофлакс.

Мы гарантируем соответствие всех материалов требованиям регулирующих организаций и национальным стандартам.

Откосы котлована и их назначение

Способ крепления откосов траншей котлованов должен соответствовать гидрогеологическим условиям и решением проекта. Откосы котлована и их назначение разрабатываются для объектов строительства различной сложности. При выборе способов для расчета крутизны откосов котлованов и траншей проектировщики руководствуются рельефными, климатическими и гидрогеологическими характеристиками местности.

Особенности создания откосов котлована

Строители должны позаботиться об укреплении откосов котлована по нормам. Необходимо создать грунтовую насыпь с оптимальной формой и размерами и соответствующей крутизной откосов котлована. Особенности создания откосов котлована связаны с возможными неблагоприятными гидрометеорологическими воздействиями, к примеру, паводками селевого или речного типа, влияющими на временное крепление откосов котлованов и откосов.

Варианты укрепления откосов котлована

Для укрепления откосов котлована и траншей используется несколько вариантов, от применения бетонных плит и решетки для котлована до так называемых плетневых заборов или посева трав. Откос грунта в котловане должен соответствовать ландшафту окружающей среды и соблюдению экологического равновесия, чему способствует использование сетки для котлована.

Материалы для укрепления откосов котлована

Для укрепления откосов котлована строители пользуются традиционными материалами (бетонными смесями, щебнем и песком). Проект уклонов откосов котлована разрабатывается с учетом обязательного использования геосинтетиков. Для усиления откосов котлована активно пользуются сборно-монолитными конструкциями из синтетических материалов.

Георешетка Геофлакс для откосов

Способствует существенному уменьшению затрат и укреплению механической фиксации засыпки. Среди достоинств решетки для котлована отметим высокую прочность и устойчивость к деформированию.

Купить Георешетку Геофлакс

Геоматы Геофлакс для откосов

Обеспечивают противоэрозийную защиту и эффективны при армировании грунтов. Использование геоматов для откосов котлована способствует восстановлению растительного покрова, и обладают декоративной функцией.

Купить Геоматы Геофлакс

Геосетка Геофлакс для откосов

Служит для уменьшения слоя насыпи и существенной экономии бюджета строительства. Применение геосетки для котлована помогает бороться с неравномерностью осадков и температурными изменениями в течение всего эксплуатационного периода.

Купить Геосетку Геофлакс

Геотекстиль Геофлакс для откосов

Необходим для обеспечения надежной защиты откосов от оползней и эрозийных процессов. Использование геотекстиля для котлована предполагает тщательное изучение гидрогеологического строения участка.

Купить Геотекстиль Геофлакс

Расчет угла уклона откосов котлована

Расчет угла уклона откоса котлована осуществляется в соответствии со скоростью течения потока и гидрологическим режимом подтопления. В современных условиях требуется существенное повышение качества и увеличение срока эксплуатации откосов насыпи котлованов. Нам хорошо известно, что для обеспечения надежности котлованов необходимо руководствоваться всеми запросами отрасли, существующими стандартами, требованиями заказчиков.

С материалами GeoSM строительство котлованов существенно ускоряется, а срок их эксплуатации возрастает. Применение геосинтетики GeoSM рекомендовано профессионалами.

Подписаться на рассылку Полезной информации можно через форму ниже:

Ваше имя (обязательно)

Ваш e-mail (обязательно)

Сфера деятельности

Укрепление котлованов в Москве и области [2021]

• Главная
• Блог
• Статьи
• org/ListItem”> Свайные статьи
• Как укрепить стенки котлованов и траншей?

Грунт – нестабильная субстанция, она обрушивается всегда внезапно, и масштаб последствий можно только представить. Для того, чтобы стены котлованов и траншей оставались неподвижными, на строительстве применяют различные способы их укрепления. Речь идет об шпунтовом, анкерном, распорном, подкосном, нагельном, закладном, рамном и щитовом укреплении стен котлованов и траншей.

Задать вопрос

Категории:

Статьи

• Свайные статьи

Новости компании

• Новости за 2021 г.

Рассчитать стоимость шпунта

Подробнее

Рассчитаем стоимость работ

Оставьте заявку и мы свяжемся с Вами в ближайшее время

Пришлите Ваш проект и получите расчет.

Получить расчет и рекомендации по монтажу

Рассчитаем за 2 часа

Дополнительные ссылки:

Подробнее

Стена в грунте

Кран с навесным вибропогружателем давит своей массой и передает колебания шпунту, за счет чего происходит погружение в грунт.
                        

Подробнее

Подробнее

Анкерные системы

Произведем монтаж винтовых анкеров Атлант, Прядевых Анкеров, Анкеров Atlant Jet                    

Подробнее

Подробнее

Шпунт Ларсена AZ 18-700

В нашей компании можно купить шпунт Ларсена AZ18-700. А также имеется возможность взять профиль в долгосрочную и краткосрочную аренду на выгодных условиях.

Подробнее

Подробнее

Экспертное мнение в газете “Строительный Еженедельник”

Подробнее

Новости и полезные статьи

Подробнее

09/12/2022

Разборка креплений вертикальных стенок котлована

Стенки котлована и траншей после копки склонны к разрушению, что недопустимо по технике безопасности. Для предотвращения обвала используются специальные крепления.

Подробнее

28/11/2022

Свайно-винтовой фундамент под ключ в Москве и области

Свайно-винтовой фундамент – один из самых доступных по цене тип фундамента. Основа его – винтовые или бурозавинчиваемые сваи, представляющие собой стальные трубы с режущими лопастями, с помощью которых они ввинчиваются в землю.

Подробнее

28/11/2022

Монолитный фундамент под ключ в Москве и области

Монолитный фундамент используют для строительства кирпичных и блочных домов на неравномерной почве. Он представляет собой цельную бетонную плиту с опалубками.

Подробнее

20/10/2022

Покупка и аренда шпунта Ларсена: что лучше

Шпунт Ларсена – профиль особой формы, который используется для создания плотных стенок в котлованах фундаментов, траншеях, для укрепления грунтов, предотвращения оползней.

Смотреть ещё

Остались вопросы
или нужна консультация?

Ваш город Москва?

Да Изменить

Выберите Город

| Укрепленные крутые склоны

Стабилизация крутых склонов защищает ландшафты с крутыми склонами от эрозии почвы и способствует процветанию экосистемы. Стабилизация может выглядеть совершенно по-разному от проекта к проекту в зависимости от множества факторов окружающей среды и инженерных целей. Существует множество продуктов и систем стабилизации откосов, каждая из которых предназначена для получения конкретных результатов. При разработке стратегии стабилизации склонов необходимо учитывать некоторые основные факторы, в том числе сроки реализации проекта и общую атмосферу, которую хочет создать ландшафтный дизайнер или дизайнер.

Какую бы стратегию вы ни выбрали, стабилизация склонов поможет вам избежать смещения почвы, которое может легко дестабилизировать конструкции, деревья и растительность. Поскольку эрозия почвы обычно происходит в результате стока воды, укрепленный склон почвы также помогает защитить водно-болотные угодья и водотоки от различных форм загрязнения.

Будучи чрезвычайно универсальным методом укрепления грунтовых откосов, стабилизация откосов с помощью георешетки позволяет инженерам и специалистам-строителям удовлетворять свои специфические потребности и потребности, используя различные методы. Cell-Tek Geosynthetics является ведущим поставщиком георешеток и предлагает широкий спектр решений для обеспечения полного укрепления склонов почвы.

Преимущества стабилизации откосов

Откос, армированный георешеткой, может принимать различные формы, и каждая из них идеально подходит для различных ситуаций и целей. В то время как некоторые системы могут быть покрыты верхним слоем почвы и растительностью для создания естественных зеленых ландшафтов, другие заполняются гранулированными заполнителями, такими как гравий или камни. В других стабилизационных конструкциях используется бетонно-армированное покрытие, которое включает в себя армирование откосов заливаемой на месте влагоотверждающей жидкостью.

Какую бы систему вы ни выбрали, Cell-Tek обеспечивает удержание грунта, стабилизацию берегов и защиту каналов, которые работают даже при экстремальных механических и гидравлических нагрузках. Наши системы предлагают идеальное решение для:

• Защита от стока, образования ручьев и оврагов, а также эрозионных сил
• Уменьшение оползания и миграции почвы
• Способствует сцеплению растений и корней для дальнейшей стабилизации почвенных массивов и склонов
• Стимулирование инфильтрации и ограничение воздействия гидростатических сил
• Уменьшение количества необходимого поверхностного покрытия (верхний слой почвы, гравий или бетон)
• Максимизация стоимости жизненного цикла проекта
• Обеспечение свободного потока воды, питательных веществ и почвенных организмов
• Улучшение роста растений, улучшение состояния почвы и визуальной привлекательности ландшафта

Методы стабилизации крутых склонов

Поскольку не существует двух абсолютно одинаковых склонов, мы можем использовать различные методы для удовлетворения уникальных требований географии, топографии, характеристик почвы и климата каждого проекта. Вот несколько распространенных методов стабилизации крутых склонов:

• Поддержка методов стабилизации . Эти методы охватывают всю инфраструктуру, предназначенную для повышения устойчивости откосов, включая подпорные стены, сваи, предварительно напряженные анкеры, анкерные болты, забивание грунта, геосинтетическое армирование и набрызг-бетон. Геосинтетические материалы и другие продукты Cell-Tek определили многие передовые отраслевые практики в этой категории.
• Методы стабилизации грунта
  . Стабилизация грунта включает в себя механические средства, такие как блокирующие ячеистые сетки и различные варианты заполнения для предотвращения дестабилизации связанных склонов.
• Методы удаления и защиты . Эти продукты и процессы помогают очищать неустойчивый материал, который обычно лежит в верхнем слое склона. Одним из примеров является противоэрозионная защитная сетка.
• Техника дренажа воды . Любая вода, попавшая в почву или горную породу, неизбежно вызовет повышение порового давления воды, что может резко снизить общую устойчивость склона. Для борьбы с этим процессом методы дренажа воды ограничивают поступление воды и контролируют уровень грунтовых вод.

Стабилизация откосов Cell-Tek Geosynthetics

Независимо от того, вызвано ли это дождевым стоком или широким диапазоном гидравлических и механических нагрузок, любой откос значительной градации со временем неизбежно подвергается дестабилизации. Независимо от того, какой проект стабилизации склона находится под рукой, существует система георешетки, соответствующая требованиям работы.

Являясь лидером в этой области, компания Cell-Tek Geosynthetics может предотвратить дестабилизацию откосов, помогая вам выбрать продукты и методы стабилизации, которые подходят именно вам. Для получения дополнительной информации о наших сетках для стабилизации склонов и других решениях по эрозии склонов, пожалуйста, свяжитесь с нами или запросите расценки для вашего проекта сегодня.

Посмотреть товар

Прогноз разрушения откосов в карьерах с использованием новой модели гибридного искусственного интеллекта на основе дерева решений и алгоритма эволюции

1. Вязьменский А., Стед Д., Элмо Д., Мосс А. Численный анализ откосы карьера: метод конечных элементов/дискретных элементов. Механика горных пород и инженерия горных пород. 2010;43:21–39. [Google Scholar]

2. Дайсон А.П., Толооян А. Прогнозирование и классификация для конечно-элементного анализа устойчивости откосов путем сравнения случайных полей. Компьютеры и геотехника. 2019;109:117–129. [Google Scholar]

3. Ван Л., Сунь Д.А., Чен Б., Ли Дж. Трехмерная сейсмическая устойчивость ненасыщенных почвенных склонов с использованием полуаналитического метода. Компьютеры и геотехника. 2019;110:296–307. [Google Scholar]

4. Wei Y, Jiaxin L, Zonghong L, Wei W, Xiaoyun S. Метод снижения прочности, основанный на обобщенном критерии Хука-Брауна (GHB) для анализа устойчивости скальных откосов. Компьютеры и геотехника. 2020;117:103240. [Google Scholar]

5. He Y, Liu Y, Hazarika H, ​​Yuan R. Анализ устойчивости сейсмических откосов с ограничением прочности на растяжение. Компьютеры и геотехника. 2019;112:245–256. [Google Scholar]

6. Wang Z, et al. Устойчивость внутреннего откоса отвала и аналитическое решение, основанное на круговом разрушении: проиллюстрировано конкретным примером. Компьютеры и геотехника. 2020;117:103241. [Google Scholar]

7. Li C, Jiang P, Zhou A. Строгое определение устойчивости откосов при сейсмическом воздействии. Компьютеры и геотехника. 2019;109:99–107. [Google Scholar]

8. Ян М., Дэн Б. Исследование устойчивости откоса, армированного сваями, в условиях стационарного ненасыщенного потока. Компьютеры и геотехника. 2019;109:89–98. [Google Scholar]

9. Zhang W, Zheng H, Jiang F, Wang Z, Gao Y. Анализ устойчивости почвенного склона на основе связанной воды и грунта и параллелизованной модели гидродинамики сглаженных частиц. Компьютеры и геотехника. 2019;108:212–225. [Google Scholar]

10. Нагадехи М.З., Хименес Р., ХалоКакайе Р., Джалали С.-М.Э. Новый индекс нестабильности откосов карьеров, определенный с использованием усовершенствованного подхода к инженерным системам горных пород. Международный журнал горной механики и горных наук. 2013;61:1–14. [Академия Google]

11. Эль-Рамли Х., Моргенштерн Н., Круден Д. Вероятностный анализ устойчивости откосов для практики. Канадский геотехнический журнал. 2002; 39: 665–683. [Google Scholar]

12. Дайсон А.П., Толооян А. Вероятностное исследование топологий RFEM для анализа устойчивости откосов. Компьютеры и геотехника. 2019;114:103129. [Google Scholar]

13. Griffiths, D. & Fenton, G.A. In Slope Устойчивость 2000 184-193 (2000).

14. Гриффитс Д., Фентон Г.А. Вероятностный анализ устойчивости откосов по конечным элементам. Журнал геотехнической и геоэкологической инженерии. 2004; 130: 507–518. [Академия Google]

15. Cheng Y, Lansivaara T, Wei W. Двумерный анализ устойчивости откосов методами предельного равновесия и снижения прочности. Компьютеры и геотехника. 2007; 34: 137–150. [Google Scholar]

16. Лю С., Шао Л., Ли Х. Анализ устойчивости откосов с использованием метода предельного равновесия и двух методов конечных элементов. Компьютеры и геотехника. 2015; 63: 291–298. [Google Scholar]

17. Zhou J, Li X, Mitri HS. Классификация горных ударов в подземных проектах: сравнение десяти контролируемых методов обучения. Журнал вычислительной техники в гражданском строительстве. 2016;30:04016003. [Академия Google]

18. Zhou J, Li X, Shi X. Модель долгосрочного прогнозирования горных ударов в подземных выработках с использованием эвристических алгоритмов и методов опорных векторов. Наука безопасности. 2012;50:629–644. [Google Scholar]

19. Нгуен Х., Чой И., Буй Х-Н., Нгуен-Той Т. Прогнозирование вызванной взрывом вибрации грунта в карьерах с помощью датчиков вибрации и алгоритмов оптимизации на основе регрессии опорных векторов. Датчики. 2020;20:132. [Бесплатная статья PMC] [PubMed] [Google Scholar]

20. Zhang H, et al. Разработка новой модели искусственного интеллекта для оценки капитальных затрат на проекты по добыче полезных ископаемых с использованием алгоритма оптимизации муравьиной колонии на основе глубокой нейронной сети. Политика ресурсов. 2020;66:101604. [Академия Google]

21. Ким Д.Х., Грачев И., Баласубраманиам А. Определение коэффициента шероховатости стыка (КШР) для анализа устойчивости откосов: тематическое исследование в районе Голд-Кост, Австралия. Оползни. 2013;10:657–664. doi: 10.1007/s10346-013-0410-8. [CrossRef] [Google Scholar]

22. Niu F, Luo J, Lin Z, Fang J, Liu M. Обрушения склонов, вызванные оттепелями, и анализ устойчивости в районах вечной мерзлоты на Цинхай-Тибетском нагорье, Китай. Оползни. 2016;13:55–65. doi: 10.1007/s10346-014-0545-2. [Перекрестная ссылка] [Академия Google]

23. Chen C-W, et al. Оценка восприимчивости оползневых форм рельефа в Японии с использованием анализа устойчивости склонов: тематическое исследование землетрясения в Кумамото 2016 года. Оползни. 2017; 14:1793–1801. doi: 10.1007/s10346-017-0872-1. [CrossRef] [Google Scholar]

24. Мюллер А., Варгас Э.А. Поправка к: Анализ устойчивости откоса при ударе скального блока с использованием метода обобщенной интерполяции материальных точек (GIMP) Оползни. 2019;16:1063–1063. doi: 10.1007/s10346-019-01153-3. [Перекрестная ссылка] [Академия Google]

25. Прадхан, С. П., Панда, С. Д., Роул, А. Р. и Такур, М. Взгляд на недавний оползень Котропи в августе 2017 г., Индия: геологическое исследование и анализ устойчивости склонов. Оползни , 10.1007/s10346-019-01186-8 (2019).

26. Zhou J, et al. Прогнозирование устойчивости откосов для кругового обрушения с использованием метода повышения градиента на основе обновленной базы данных историй болезни. Наука о безопасности. 2019; 118: 505–518. [Google Scholar]

27. Нгуен Х., Буй Х-Н, Буй Х-Б, Куонг Д.Т. Разработка модели XGBoost для прогнозирования пиковой скорости частиц, вызванной взрывом, в карьере: тематическое исследование. Акта Геофизика. 2019;67:477–490. doi: 10.1007/s11600-019-00268-4. [CrossRef] [Google Scholar]

28. Нгуен Х., Буй Х.-Н., Буй Х.-Б. и Май, Н.-Л. Сравнительное исследование искусственных нейронных сетей для прогнозирования избыточного давления воздушной ударной волны при взрыве на угольном карьере Део Най, Вьетнам. Нейронные вычисления и приложения , 1–17, 10.1007/s00521-018-3717-5 (2018).

29. Нгуен Х. Подход регрессии опорных векторов с различными функциями ядра для прогнозирования вибрации грунта, вызванной взрывом: тематическое исследование в угольной шахте открытого типа во Вьетнаме. С.Н. Прикладные науки. 2019;1:283. doi: 10.1007/s42452-019-0295-9. [CrossRef] [Google Scholar]

30. Nguyen, H., Bui, X.-N. и Моайеди, Х. Сравнение передовых вычислительных моделей и экспериментальных методов прогнозирования вибрации грунта, вызванной взрывом, в угольной шахте. Acta Geophysica Journal , 10.1007/s11600-019-00304-3 (2019).

31. Нгуен Х., Буй Х.-Н., Тран К.-Х. и Май, Н.-Л. Новая модель мягких вычислений для оценки и контроля вибрации грунта, вызванной взрывом, на основе иерархической кластеризации K-средних и кубистских алгоритмов. Прикладные программные вычисления , 1–20 (2019).

32. Чжан С., Буй С.-Н., Трунг Н.-Т., Нгуен Х. и Буй Х.-Б. Прогнозирование распределения пород по размерам при взрывных работах на горных уступах с использованием нового метода форсированного регрессионного дерева, основанного на оптимизации колоний муравьев. Исследование природных ресурсов , 10.1007/s11053-019-09603-4 (2019).

33. Джебали С. и др. Оптимизация плана фрезерования с подходом к решению возникающих проблем. Компьютеры и промышленная инженерия. 2015; 87: 506–517. [Академия Google]

34. Bui X-N, Jaroonpattanapong P, Nguyen H, Tran Q-H, Long NQ. Новая гибридная модель для прогнозирования вибрации грунта, вызванной взрывом, на основе k-ближайших соседей и оптимизации роя частиц. Научные отчеты. 2019; 9:1–14. [Бесплатная статья PMC] [PubMed] [Google Scholar]

35. Эсса, К. С. и Эльхуссейн, М. Интерпретация магнитных данных с помощью оптимизации роя частиц: примеры разведки полезных ископаемых. Исследование природных ресурсов , 10.1007/s11053-020-09617-3 (2020).

36. Тут Хаклидир, Ф. С. и Хаклидир, М. Прогнозирование температуры пласта с использованием гидрогеохимических данных, Геотермальные системы Западной Анатолии (Турция): подход машинного обучения. Исследование природных ресурсов , 10.1007/s11053-019-09596-0 (2019).

37. Чен Ю., Ву В. и Чжао К. Основанная на алгоритме летучей мыши управляемая данными модель для картирования перспективности полезных ископаемых. Исследование природных ресурсов , 10.1007/s11053-019-09589-z (2019).

38. Qi C, Tang X. Прогнозирование устойчивости откосов с использованием интегрированных метаэвристических подходов и подходов машинного обучения: сравнительное исследование. Компьютеры и промышленная инженерия. 2018; 118:112–122. [Академия Google]

39. Сакеллариу М., Ферентину М. Исследование прогнозирования устойчивости откосов с использованием нейронных сетей. Геотехническая и геологическая инженерия. 2005; 23:419. [Google Scholar]

40. Самуи П. Анализ устойчивости склонов: метод опорных векторов. Экологическая геология. 2008; 56:255. [Google Scholar]

41. Чуббасти А., Фаррохзад Ф., Барари А. Прогноз устойчивости откосов с использованием искусственной нейронной сети (пример: Ноабад, Мазандаран, Иран) Арабский журнал наук о Земле. 2009 г.;2:311–319. [Google Scholar]

42. Карканаки А.Р., Ганджян Н., Аскари Ф. Анализ устойчивости и проектирование консольных подпорных стен с учетом возможных механизмов разрушения: подход к анализу предельных значений верхней границы. Геотехника и геологическая инженерия. 2017;35:1079–1092. [Google Scholar]

43. Аршад И., Бабар М.М., Джавед Н. Численный анализ просачивания и устойчивости откосов земляной плотины с использованием программного обеспечения Geo-Slope. Биологические исследования PSM. 2017;2:13–20. [Академия Google]

44. Луо З., Буй С.-Н., Нгуен Х. и Моайеди Х. Новый метод искусственного интеллекта для анализа устойчивости откосов с использованием модели PSO-CA. Компьютерная инженерия , 10.1007/s00366-019-00839-5 (2019).

45. Хан З. и др. Всесторонний анализ устойчивости оползней и связанных с ними контрмер: тематическое исследование оползня Ланьмукси в Китае. Научные отчеты. 2019; 9:1–12. [Бесплатная статья PMC] [PubMed] [Google Scholar]

46. Carlà T, et al. Перспективы прогнозирования катастрофических обрушений откосов со спутника InSAR. Научные отчеты. 2019;9:1–9. [Бесплатная статья PMC] [PubMed] [Google Scholar]

47. Чакраборти А., Госвами Д. Прогноз устойчивости откосов с использованием множественной линейной регрессии (MLR) и искусственной нейронной сети (ANN) Arabian Journal of Geosciences. 2017;10:385. [Google Scholar]

48. Джеллали Б., Фриха В. Алгоритм оптимизации роя частиц с ограничениями, примененный к стабильности склона. Международный журнал геомеханики. 2017;17:06017022. [Google Scholar]

49. Mojtahedi, S. F. F. et al . Новый вероятностный подход к моделированию для прогнозирования запаса прочности склонов: тематическое исследование. Компьютерная инженерия , 1–10 (2018).

50. Салех, Л. В серии конференций IOP : Материаловедение и инженерия . 012029 (издательство IOP).

51. Купиалипур, М., Джахед Армагани, Д., Хедаят, А., Марто, А. и Гордан, Б. Применение различных гибридных интеллектуальных систем для оценки и прогнозирования устойчивости откосов в статических и динамических условиях. Мягкие вычисления , 10.1007/s00500-018-3253-3 (2018).

52. Гао, В., Рафтари, М., Рашид, А. С. А., Муазу, М. А. и Джусо, В. А. В. Прогностическая модель, основанная на оптимизированной ИНС в сочетании с ICA для прогнозирования устойчивости откосов. Компьютерная инженерия , 10.1007/s00366-019-00702-7 (2019).

53. Цянь, З., Ли, А., Чен, В., Лямин, А. и Цзян, Дж. Искусственный нейронный сетевой подход к прогнозированию устойчивости неоднородного грунтового склона на основе методов предельного анализа. Грунты и основания (2019).

54. Bui, X.-N., Moayedi, H. & Rashid, A. S. A. Разработка метода прогнозирования на основе оптимизированных правил M5Rules–GA для прогнозирования тепловой нагрузки энергоэффективной системы здания. Компьютерная инженерия , 10.1007/s00366-019-00739-8 (2019).

55. Нгуен, Х., Дребенштедт, К., Буй, X.-Н. и Буи, Д. Т. Прогноз вибрации грунта, вызванной взрывом, в карьере с помощью новой гибридной модели, основанной на кластеризации и искусственной нейронной сети. Исследование природных ресурсов , 10.1007/s11053-019-09470-z (2019).

56. Bui, X.-N., Nguyen, H., Le, H.A., Bui, H.B. & Do, N.H. Прогнозирование избыточного давления воздуха, вызванного взрывом, в карьере: оценка различных методов искусственного интеллекта. Исследование природных ресурсов , 10.1007/s11053-019-09461-0 (2019).

57. Гордан Б., Армагани Д.Дж., Хаджихассани М., Монджези М. Прогнозирование сейсмической устойчивости склонов с помощью комбинации оптимизации роя частиц и нейронной сети. Инженерия с компьютерами. 2016;32:85–97. [Google Scholar]

58. Купиалипур М., Армагани Д. Дж., Хедаят А., Марто А. и Гордан Б. Применение различных гибридных интеллектуальных систем для оценки и прогнозирования устойчивости откосов в статических и динамических условиях. Мягкие вычисления , 1–17 (2018).

59. Шанг Ю., Нгуен Х., Буй С.-Н., Тран К.-Х. & Moayedi, H. Новый подход искусственного интеллекта к прогнозированию вызванной взрывом вибрации грунта в карьерах на основе алгоритма Firefly и искусственной нейронной сети. Исследование природных ресурсов , 10.1007/s11053-019-09503-7 (2019).

60. Чжан, X. и др. . Новая модель мягких вычислений для прогнозирования вызванной взрывом вибрации грунта в карьерах на основе оптимизации роя частиц и XGBoost. Исследование природных ресурсов , 10.1007/s11053-019-09492-7 (2019).

61. Куинлан, Дж. Р. В 5-й Австралийской объединенной конференции по искусственному интеллекту . 343–348 (Всемирный научный).

62. Брейман Л., Фридман Дж. Х., Олшен Р. А. и Стоун С. Дж. Деревья классификации и регрессии. Белмонт, Калифорния: Уодсворт. Международная группа , 432 (1984).

63. Куинлан Дж.Р. Упрощение деревьев решений. Международный журнал человеко-машинных исследований. 1987; 27: 221–234. [Google Scholar]

64. Sattari, M.T. & Sureh, F.S. In International Civil Engineering and Architecture Conference (ICEARC) .

65. Франк Э. и Виттен И. Х. Создание точных наборов правил без глобальной оптимизации. (1998).

66. Рузегари Н., Хасанзаде Ю., Саттари М.Т. Использование гибридных алгоритмов имитации дерева отжига-M5 для извлечения правил операции «если-то» в одном резервуаре. Управление водными ресурсами. 2019;33:3655–3672. [Google Scholar]

67. Митчелл М. Введение в генетические алгоритмы . (MIT Press, 1998).

68. Карр Дж. Введение в генетические алгоритмы. Старший проект. 2014; 1:40. [Google Scholar]

69. Raeisi-Vanani H, et al. Простой метод расчета градации земли и его сравнение с методом генетического алгоритма (ГА). Международный журнал исследований в области сельскохозяйственных наук (IJRSAS) 2017; 3: 26–38. [Google Scholar]

70. Голдберг Д. (Аддисон-Уэсли, Рединг, 19 лет)89).

71. Мирджалили, С. В Эволюционные алгоритмы и нейронные сети 43–55 (Springer, 2019).

72. Фанг, К., Нгуен, Х., Буй, X.-Н. и Тран, К.-Х. Оценка избыточного давления воздуха, вызванного взрывом, в карьерных шахтах с использованием кубистского генетического алгоритма. Исследование природных ресурсов , 10.1007/s11053-019-09575-5 (2019).

73. Rutczyńska-Wdowiak, K. In 2017 2 2n d Международная национальная конференция по методам и моделям в автоматизации и робототехнике (MMAR) . 971–975 (IEEE).

74. Сиванандам С. и Дипа С. В Введение в генетические алгоритмы 15–37 (Springer, 2008).

75. Гао, В., Рафтари, М., Рашид, А. С. А., Муазу, М. А. и Джусо, В. А. В. Прогностическая модель, основанная на оптимизированной ИНС в сочетании с ICA для прогнозирования устойчивости откосов. Компьютерная инженерия , 1–20, 10.1007/s00366-019-00702-7 (2019).

76. Zhou Y, Cheuk C, Tham L. Численное моделирование грунтовых гвоздей в рыхлом откосе под дополнительной нагрузкой. Компьютеры и геотехника. 2009 г.;36:837–850. [Google Scholar]

77. Nguyen H, Bui X-N, Tran Q-H, Mai N-L. Новая модель мягких вычислений для оценки и контроля вибрации грунта, вызванной взрывом, на основе иерархической кластеризации K-средних и кубистских алгоритмов. Прикладные мягкие вычисления. 2019;77:376–386. doi: 10.1016/j.asoc.2019.01.042. [CrossRef] [Google Scholar]

78. Moayedi H, Rezaei A. Метод искусственной нейронной сети для недорасширенных свай, подвергающихся подъемным силам в сухом песке. Нейронные вычисления и приложения. 2017 г.: 10.1007/s00521-017-2990-з. [CrossRef] [Google Scholar]

79. Лозано М., Эррера Ф., Кано Дж. Р. Стратегии замены для сохранения полезного разнообразия в стационарных генетических алгоритмах. Информационные науки. 2008; 178:4421–4433. [Google Scholar]

80. Фусики Т. Оценка ошибки прогноза с помощью перекрестной проверки в K-кратном порядке. Статистика и вычислительная техника. 2011;21:137–146. [Google Scholar]

81.