استفاده از هوش مصنوعی و الگوریتم ژنتیک در تخمین ظرفیت باربری دینامیکی شمع فولادی و بتنی پیش‌ساخته

شالوده عمیق یا شمع، المان‌های سازه‌ای هستند که به منظور انتقال بار سازۀ فوقانی به اعماق زمین و لایه های سخت از آنها استفاده می‌گردد. به دلیل بالا بودن هزینه اجرای شالوده‌های عمیق، طراحی بهینه شمع‌ و تخمین ظرفیت باربری آنها بسیار اهمیت دارد که استفاده از روش هوش مصنوعی و الگوریتم ژنتیک می‌تواند در این راستا راهگشا باشد. در این پژوهش با انتخاب دو نوع شمع پُرکاربرد شامل شمع فلزی لوله‌ای و شمع بتنی پیش‌ساخته، ظرفیت باربری محوری شمع با مدلسازی در نرم‌افزار المان محدود Plaxis 2D و تحت بار هارمونیک در یک خاک لایه‌ای مورد ارزیابی قرار گرفت و نتایج با داده‌های آزمایش دینامیکی شمع (PDA1) در یک مطالعه موردی مقایسه گردید. در این پژوهش نتایج حاصل از 100 تحلیل عددی با استفاده از الگوریتم ژنتیک بهینه‌سازی شده است که منجر به معرفی یک رابطه تخمینی با دقت مناسب در ظرفیت باربری محوری شمع به تفکیک برای شمع‌ بتنی و فلزی گردید. همچنین در این پژوهش مقایسه روش‌های مختلف ارزیابی ظرفیت باربری شمع نشان دهنده این واقعیت است که اغلب روش‌های تجربی ظرفیت باربری بسیار بزرگتری را در مقایسه مقادیر واقعی ارائه می‌دهند

کلیدواژه ها:

Genetic Algorithm ، Bearing Capacity ، Pile ، Dynamic Load. ، شمع ، ظرفیت باربری ، الگوریتم ژنتیک ، هوش مصنوعی ، کوبش شمع.