پیش بینی پتانسیل رمبندگی خاک های رمبنده از طریق شبکه های عصبی مصنوعی

در این تحقیق به منظور بررسی قابلیت شبکه های عصبی مصنوعی در تعیین پتانسیل رمبندگی، نمونه های متعدد خاک رمبنده از یک منطقه (دشت زاهدان) گردآوری شده است. در آزمایشگاه آزمایش های معمول رمبندگی بر روی آنها انجام و تعداد ۱۳۰ نمونه خاک رمبنده حاصل از اعماق و مکان های مختلف دشت در پایگاه داده ثبت گردید. آزمایش رمبندگی انجام شده، تحکیم مضاعف بوده که برای بررسی بیشتر آزمایش های دانه بندی، وزن مخصوص، حدود اتربرگ و خواص مقاومتی نیز بر روی نمونه ها انجام گرفت. در مراحل بعد نتایج برای ورود به شبکه های عصبی مصنوعی آماده شده و مدل سازی انجام گردید. پس از مرحله آموزش شبکه و یادگیری، مدل های مختلف شبکه مورد سعی و خطا قرار گرفته و در ادامه مدل بهینه شبکه شامل شش ورودی و یک خروجی انتخاب شده است. با توجه به نتایج پیش بینی، مشخص شد که بین داده های تجربی و پیش بینی شده توسط شبکه عصبی مصنوعی بیشتر از ۹۵ درصد همبستگی مشاهده می شود.

کلیدواژه ها:

Collapsible soil ، Collapse Potential ، Modeling ، Artificial Neural Networks (ANN) ، خاک های رمبنده ، پتانسیل رمبندگی ، مدل سازی ، شبکه های عصبی مصنوعی