علی ذاکرالحسینی - دانشجوی کارشناسی ارشدخاک و پی
فریدون پویانژاد - استادیاردانشگاه فردوسی مشهد

درسالهای اخیرهوش مصنوعی دربسیاری ازکاربردهای مهندسی ژئوتکنیک مورد استفاده قرارگرفته و تاحدودی به موفقیت نزدیک شده است نشست شمع ازجمله مسائلی است که درمحاسبات طراحی فونداسیون ها ازاهمیت ویژه ای برخوردار است هدف ازاین تحقیق مقایسه عملکردمدلهای شبکه عصبی مصنوعی ANNs) و ماشین بردارپشتیبان svm به منظور پیش بینی نشست شمع های بتنی برمبنای نتایج حاصل ازازمون نفوذمخروط CPT است بدین منظور شبکه عصبی مصنوعی پرسپترون چندلایه MLP مورد بررسی قرارگرفته است متغیرهای ورودی مدلها عبارتندازنوع بارنوع اجرا صلبیت محوری شمع سطح مقطع شمع پیرامون شمع درتماس با خاک طول شمع طول مدفون شده نتایج ازمایش درپنج لایه نتایج ازمایش درانتهای شمع و بارقائم اعمالی شمع که خروجی مدل نیز نشست اندازه گیری شده شمع می باشد درنهایت عملکردمدلها با توجه به معیارهای سنجش خطا مورد بررسی قرارگرفته است که بیانگر عملکرد مناسب تر مدل ماشین بردارپشتیبان نسبت به مدل شبکه عصبی مصنوعی می باشد

نشست شمع بتنی، آزمایش CPT، ماشین بردارپشتیبان، شبکه عصبی مصنوعی، شبکه پرسپترون چندلایه