مروری بر کاربرد تکنیکهای یادگیری ماشین در مدلسازی پیشبین در مهندسی ژئوتکنیک

مهندسی ژئوتکنیک نقش کلیدی در تحلیل رفتار، خاک پایداری سازه ها و ارزیابی خطرات لرزه ای دارد. با توجه به پیچیدگی رفتارهای غیرخطی خاک و محدودیت روش های سنتی، استفاده از تکنیک های یادگیری ماشین به عنوان راهکاری نوین جهت بهبود دقت پیش بینی در مدل سازی ژئوتکنیکی مورد توجه قرار گرفته است. این مقاله مروری به بررسی پژوهش های اخیر در زمینه به کارگیری الگوریتم های یادگیری ماشین مانند شبکه های عصبی مصنوعی (ANN)، ماشین بردار پشتیبان (SVM)، جنگل تصادفی (RF) و مدل های هیبریدی در تحلیل نشست، پی پایداری، شیب پاسخ لرزه ای سازه ها و تعیین مشخصات خاک می پردازد. همچنین چالش های موجود نظیر کمبود داده های با کیفیت، تفسیر ناپذیری مدل ها و نیاز به ادغام روش های عددی و داده محور بررسی شده و مسیرهای آینده تحقیقاتی پیشنهاد می گردد.

کلیدواژه ها:

یادگیری ماشین ، مهندسی ژئوتکنیک ، مدل سازی پیش بین ، تحلیل پایداری ، نشست ، پی ، آسیب پذیری لرزه ای