طراحی یک چارچوب هوشمند مبتنی بر یادگیری ماشین برای تحلیل نشست و تراکم پذیری خاک های مهندسی شده

پیش بینی دقیق تراکم پذیری و نشست خاک های مهندسی شده یکی از چالش های کلیدی در طراحی سازه های عمرانی است. در این پژوهش، یک چارچوب هوشمند مبتنی بر الگوریتم های یادگیری ماشین برای پیش بینی نشست و تراکم پذیری خاک های مهندسی شده طراحی شده است. داده های حاصل از آزمایش های تراکم استاندارد و نشست در شرایط بارگذاری متنوع، به عنوان ورودی مدل های یادگیری ماشین از جمله شبکه های عصبی مصنوعی، رگرسیون تصادفی و XGBoost استفاده شد. نتایج نشان می دهد که چارچوب پیشنهادی قادر است با دقت بالا، رفتار خاک را در شرایط مختلف پیش بینی کند و عملکرد آن نسبت به مدل های تحلیلی سنتی بهبود قابل توجهی دارد. این چارچوب می تواند ابزار موثری برای مهندسین ژئوتکنیک در بهینه سازی طراحی خاک های مهندسی شده، کاهش هزینه های آزمایشگاهی و پیش بینی نشست و تراکم در پروژه های عمرانی فراهم آورد.

کلیدواژه ها:

خاک های مهندسی شده ، تراکم پذیری ، نشست ، یادگیری ماشین ، چارچوب هوشمند