یک شبکه عصبی مصنوعی بهینه کارآمد در پیش بینی تغییر شکلدیوارهای خاکی تقویت شده با ژئوگرید

هر تغییر شکل یک سازه خاکی تقویت شده با ژئوگریدها یک عامل کلیدی در طراحی این نوع سازه های نگهدارنده است. از سوی دیگر امکان سنجی تکنیک های هوش مصنوعی در حل مسائل مهندسی ژئوتکنیک در پیش بینی تغییر شکل ساختارهای خاکهای تقویت شده با ژئوگریدها است. به همین دلیل، ابتدا یک مطالعه موردی مرتبط با نرم افزار (ABAQUS ) ، یک نرم افزار المان اجزای محدود مدل سازی شد. سپس، نتایج دیوارهای خاکی تقویت شده مدلسازی با آباکوس در برابر تغییر شکل های ثبت شده آزمون در مقیاس کامل بررسی شد. پس از آن،( ۱۶۶) تجزیه و تحلیل المان محدود برای ساخت مجموعه داده انجام شد. سپس مدل پیش بینی از تغییر شکل های دیوارهای تقویت شده با ژئوگرید ساخته شد. برای ساخت مدل هوشمند، از شبکه عصبی مصنوعی (ANN) با الگوریتم لونبرگ - مارکوارت همراه شد. مشخص شد که این مدل (ANN) به اندازه کافی خوب کار میکند. با این حال ، شبکه نورون (۱۷) با ضریب همبستگی (۰.۹۹۴۵ =R) و همچنین میانگین مربعات خطای سیستم (۰.۰۰۰۲۵۱۹=MSE ) برای داده های آزمایش نشان می دهد که مدل پیش بینی (ANN) مبتنی بر الگوریتم لونبرگ به خوبی عمل کرده است. به طور کلی، یافته ها توصیه می کنند که مدل های پیشنهادی را می توان در ارزیابی عملکرد سازه های خاکی مسلح شده با ژئوسنتتیک ها پیاده سازی کرد. هدف این مقاله نشان دادن کارایی تکنیک های محاسبات نرم در مهندسی ژئوتکنیک می باشد.

کلیدواژه ها:

ژئوگرید ، اجزای محدود ، خاک های تقویت شده ، محاسبات نرم ، شبکه عصبی مصنوعی