مدل سازی پیش بینی فشار بیش از حد هوا ناشی از انفجار در پروژه های عمرانی با استفاده از روش های هوش مصنوعی محاسباتی

عملیات انفجار معمولا اثرات منفی متعددی بر انسان ها و سازه ها در منطقه مجاور دارد. در میان همه ، فشار بیش از حد هوا (AOp) ایجاد شده توسط انفجار در پروژه های عمرانی از قبیل تونل سازی و انفجار معادن به طور مداوم برای پزشکان و محققان جذاب بوده است . برای کنترل آسیب ناشی از AOp، قبل از انجام عملیات انفجار باید قدرت و شدت مرتبط با آن را پیش بی نی کرد. سپس ، پارامترهای تاثیرگذار در پیشبینی مقدار AOp ناشی از انفجار برای استفاده در توسعه و آموزش یک روش عددی مبتنی بر هوش مصنوعی ترکیبی ، شامل تلفیق سیستم استنتاج عصبی فازی تطبیقی (ANFIS) و شبکه عصبی چند جمله ای (PNN) بهینه شده با الگوریتم ژنتیک (GA)، با عنوان شبکه ترکیبی ANFIS-PNN-GA توسعه یافته پیشنهادی معرفی شدند. از نظر کارشنا سان، چهار فاکتور مهم ، یعنی مقدار بار انفجاری ، ضریب پودر، طول ساقه تعبیه شده ماده انفجار و فا صله از و جه صفحه انفجار به عنوان پارامترهای ورودی تاثیرگذار در پیشبینی فشار بیش از حد هوا ناشی از انفجار شناسایی شدند. در حقیقت ، در مدل عددی توسعه داده شده از الگوریتم ژنتیک برای بهینه سازی ساختار ANFIS-PNN استفاده شد. از پایگاه داده جمع آوری شده از ۶۲ آز مایش انفجار در منطقه مورد مطالعه به منظور بهره گیری در توسعه مدل استفاده شد. همچنین به منظور ارزیابی عملکرد مدل تو سعه یافته و با هدف مقایسه و اعتبارسنجی نتایج ، مدلهای شاهد ANFIS و PNN برای تخمین فشار هوای ایجاد شده در اثر انفجار بسط داده شد و در پایان دقت و کارایی عملکردی مدلهای گفته شده از طریق استفاده از چندین شاخص آماری متداول از قبیل محا سبه ضریب همبستگی (R) و میانگین مربعات خطا (MSE) و میانگین خطا (Error mean) و انحراف استاندارد خطا (Error StD) مورد ارز یابی قرارگرفت و مشخص گردید به دلیل نقش الگوریتم ژنتیک به عنوان روش بهینه سازی ، کارایی و عملکرد مدل ANFIS-PNN-GA در قیاس با مدل های استفاده شده در این تحقیق ارجحیت است .

کلیدواژه ها:

فشار بیش از حد هوا (AOp) ، سیستم استنتاج عصبی فازی تطبیقی (ANFIS) ، الگوریتم ژنتیک (GA) ، شبکه عصبی چندجمله ای (PNN) ، روش مبتنی بر هوش مصنوعی ترکیبی