پیشبینی طبقه بندی خاک در خطوط مترو با استفاده از سرعت امواج لرزه ای و تکنیک های محاسبات نرم

در طراحی زیرساخت ها، اطلاعات حاصل از اندازه گیری خصوصیات خاک در نقاط مشخص، برای اطمینان از پایداری و کارایی سازه ها حیاتی است. استفاده محدود از این داده ها می تواند منجر به افزایش عدم قطعیت شود. روش های ژئوفیزیکی، با ارائه اطلاعات پیوسته و کم تهاجمی، جایگزینی کارآمدتر ارائه می دهند. این مطالعه با بهره گیری از مدل های شبکه عصبی مصنوعی (ANN) و داده های سرعت امواج لرزه ای، به پیش بینی دقیق تر طبقه بندی خاک و ارزیابی اثرات لرزه ای می پردازد. نتایج نشان می دهد که مدل های ANN در مقایسه با روش های رگرسیونی، عملکرد بهتری در پیش بینی طبقه بندی خاک دارند، به ویژه در مناطق محدود که اطلاعات محدودی در دسترس است. این امر، ANN را به ابزاری ارزشمند در بهینه سازی مطالعات ژئوتکنیکی تبدیل می کند.

کلیدواژه ها:

مدل شبکه عصبی مصنوعی (ANN) ، سرعت امواج تراکمی (P-Wave) ، سرعت امواج برشی (S-Wave) ، ویژگی های ژئوفیزیکی ، پیش بینی خاک