پدرام پیشگاه هادیان

نام مترجم

پدرام پیشگاه هادیان

نمونه متن انگلیسی 1:

From the perspective of performance assessment, these changes are not very significant compared to other system uncertainties. In fact, a sensitivity analysis for the Swiss high-level waste repository case (Curti and Wersin, 2002) has indicated that anion exclusion effects (predicted with aid of the refined DDL model) has only a minor effect on solubility and speciation of safety-relevant radionuclides. Other system parameters were found to be more critical. Specifically, the effect of the CO2 partial pressure on bentonite porewater, a parameter which is not well constrained in the argillaceous repository environment, was determined to be more significant.

ترجمه متن انگلیسی 1:

از دیدگاه ارزیابی کارایی، این تغییرات در مقایسه با سایر عدم قطعیت های سیستم چندان حائز اهمیت نمی باشند. در واقع، انجام تحلیل حساسیت روی مطالعه موردی این تحقیق، یک مخزن ذخیره سازی مواد با سطح اهمیت بالا (مواد هسته ای) در کشور سوئیس (کورتی و ورسین، 2002) نشان می دهد که اثرات حذف آنیون (پیش بینی با کمک مدل DDL اصلاح شده) اثر بسیار جزئی بر روی حلالیت و شکل گیری مواد رادیو هسته ای وابسته به ایمنی دارد. در نتیجه سایر پارامترهای دیگر سیستم از اهمیت بیشتری برخوردارند. به طور خاص، اثر فشار جزئی CO2 بر آب منفذی بنتونیت، پارامتری که به خوبی در محیط قلیایی مخزن مقید نشده است، بیشتر قابل توجه است.

نمونه متن انگلیسی 2:

Although most gravity dams appear as elongated structures, they are usually divided into independent dam monoliths every 12–20 m by cross joints. So that, for high gravity dams (H > 200 m), every dam monolith is more than 200 m high but 10–20 m thick. Therefore the gravity dam monolith can be considered as a plane stress structure. The driving loads of crack fracturing close to the upstream face shown in Fig. 1 are only the water pressure (pw) which is inside the crack and the vertical stress (ry) which is tensile or compressive stress. Based on such stress condition, a concrete specimen of hydraulic fracturing subjected to uniaxial stress was designed. The general layout of the specimen is shown in Fig. 2. The water pressure can be applied at the embedded crack and the uniaxial load can be applied at both ends of the specimen.

ترجمه متن انگلیسی 2:

اگر چه بیشتر سدهای وزنی سازه هایی نسبتا طویل هستند، عموما به مونولیت های مجزایی تقسیم می شوند که در هر 12 تا20 متر از طریق مفاصل به یکدیگر متصل هستند. برای سدهای وزنی عظیم (ارتفاع بیش از 200 متر) هر مونولیت سد بیش از 200 متر ارتفاع دارد، اما ضخامت آن بین 10-20 متر است. بنابراین، مونولیت های سدهای وزنی می توانند به عنوان سازه های تحمل کننده تنش محوری در نظر گرفته شوند. بارهایی که منجر به شکست ترک ها در نزدیکی سطح بالادست می شوند (همانطور که در شکل 1 نشان داده شده است) همان فشار آبی است که در داخل ترک وجود دارد و تنش عمودی است که می تواند کششی یا فشاری باشد. بر اساس چنین شرایط تنشی، یک نمونه بتونی از شکستگی هیدرولیکی تحت تنش یکسانی طراحی شده است. طرح کلی نمونه در شکل 2 نشان داده شده است. فشار آب را می توان به ترک تعبیه شده اعمال کرد و بار تک محوری را می توان در هر دو انتهای نمونه قرار داد.

نمونه متن انگلیسی 3:

The SOM introduced by Kohonen [11], is an unsupervised learning neural network. They perform classification by a method that learns from data, instead of using a given rule set. SOM projects a high dimensional space to a one or two dimensional discrete lattice of neuron units. Each node of the map is defined by a vector Wij whose elements are adjusted during the training. An important feature of this neural network is its ability to process noisy data. The map preserves topological relationships between inputs in a way that neighbouring inputs in the input space are mapped to neighbouring neurons in the map space [12].

ترجمه متن انگلیسی 3:

SOM ارائه شده توسط کوهونن [11]، یک شبکه عصبی مصنوعی با شیوه آموزش بدون نظارت است. این شبکه ها از یک روش آموزش به جای یک سری قاعده مشخص برای طبقه بندی داده ها استفاده می کنند. SOM یک فضای با ابعاد بزرگ را به یک شبکه ی مجزای یک یا دو بعدی، متشکل از واحدهای عصبی مصنوعی تبدیل می کند. هر گره از نقشه نگاشت با یک بردار Wij تعریف می شود که مولفه های آن در حین فرآیند آموزش تنظیم می شوند. یکی از ویژگی های مهم این شبکه عصبی توانایی آن برای پردازش داده های دارای نویز است. نگاشت روابط توپولوژیکی بین ورودی ها، در مسیری که ورودی های همسایه در فضای ورودی به نرون های همسایه در فضای نقشه نگاشت می شود را حفظ می کند [12].

مقالات ترجمه شده

نماد اعتماد الکترونیکی

پشتیبانی

logo-samandehi