برآورد پتانسیل وقوع روانگرایی خاک با روش مرکب خوشه بندی میانگین مرکزی فازی و شبکه عصبی مصنوعی (FCM-ANN)

تاکنون روشها ی تجربی و هوشمند مختلفی برا ی ارزیابی پتانسیل روانگرایی ارائه شده که روش شبکه عصبی مصنوعی از قدرتمندترین این روشها می باشد. این روش، با آموزش داده ها ی به دست آمده از زلزله ها ی گذشته، روانگرایی را ارزیابی میکند. با وجود این، به دلیل پیچیدگی رفتار خاک این روش هم با عدم قطعیت همراه است. در این مقاله روش جدید ی با عنوان روش مرکب برا ی بهبود عملکرد روش شبکه (FCM-ANN) خوشه بند ی فاز ی-شبکه عصبی مصنوعی معرفی و نحوه عملکرد آن تشریح شده است. روش خوشه بند ی میانگین مرکز ی فاز ی الگوها ی مورد استفاده برا ی آموزش شبکه را پالایش و از ورود الگوها ی نامناسب به مجموعه آموزش جلوگیر ی می نماید. برا ی به دست آوردن نتایج قابل اعتمادتر در روشها ی هوشمند پارامترها ی متعدد ی از خاک، برا ی به کارگیر ی در روش مرکب خوشه بند ی فاز ی-شبکه عصبی و شبکه عصبی مورد استفاده قرار میگیرند که از مهمترین آنها میتوان به عدد نفوذ استاندارد و نسبت تنش تناوبی اشاره کرد. در این مقاله از پایگاه داده ها ی معتبر ی شامل مطالعات میدانی وقوع و عدم وقوع روانگرایی در زلزله ها ی معروف در نقاط مختلف دنیا، استفاده شده است. همچنین سامانه نرم افزار ی برا ی تحلیل روشها ی هوشمند شبکه عصبی و روش مرکب خوشه بند ی فاز ی- شبکه SQL Server با پایگاه ،#C به زبان ، Visual Studio عصبی در محیط توسط PILA(Professional Intelligent Liquefaction Assessment) و با نام نویسندگان طراحی شده است.

کلیدواژه ها:

پتانسیل روانگرایی ، خوشه بندی فازی ، شبکه عصبی ، خوشه بندی میانگین مرکزی فازی ، عدد نفوذ استاندارد