پیش بینی احتمال وقوع روانگرایی با استفاده از شبکه عصبی مصنوعی بهینه شده با تاگوچی و مقایسه آن با نتایج الگوریتم های مختلف یادگیری ماشین

روانگرایی خاک پدیده ای است که به علت از بین رفتن مقاومت توده خاک های اشباع در هنگام وقوع زمین لرزه رخ می دهد. در این حالت، سازه ساخته شده بر روی این خاک، تعادل استاتیکی خود را از دست می دهد و واژگون می شود. به این ترتیب، پیش بینی روانگرایی از مسائل بسیار مهم در مهندسی عمران است. روش های مختلفی برای تعیین پتانسیل روانگرایی خاک وجود دارد که عمده آنها مبتنی بر آزمایشات میدانی و معادلات تجربی هستند که بعضا می توانند با تقریب زیادی همراه شوند. امروزه استفاده از روش های نوین هوش مصنوعی برای حل مسائل پیچیده مهندسی از اهمیت زیادی برخوردار است. بر این اساس، در این مقاله سعی شد تا با استفاده از شبکه عصبی مصنوعی و بهینه سازی آن با روش طراحی آزمایش های تاگوچی اقدام به پیش بینی وقو ع روانگرایی در یک منطقه شود. در اولین قدم با جمع آوری داده های موجود در زمینه وقوع روانگرایی در نقاط مختلف دنیا، اقدام به ایجاد دو پایگاه داده بر مبنای آزمایش های CPT و SPT شد. در ادامه با استفاده از روش طراحی آزمایش های تاگوچی، مولفه های شبکه عصبی مصنوعی شامل تعداد نرون های لایه-های میانی و تابع فعال سازی بهینه شد و بیشترین دقت بدست آمده برای دو پایگاه داده مورد بررسی CPT و SPT به ترتیب با مقدار تابع صحت برابر ۸۹/۰ و ۷۳/۰ بدست آمد. سپس ارزیابی نتایج بدست آمده با نتایج حاصل از ۵ مدل مختلف یادگیری ماشین شامل ماشین بردار پشتیبان، برازش لجستیک، k نزدیک ترین همسایه، درخت تصمیم و جنگل تصادفی نشان داد که شبکه عصبی مصنوعی بهینه شده بهترین نتایج را بدست می دهد. در نهایت مقایسه نتایج مدل حاضر با روش تجربی محاسبه ضریب روانگرایی نشان دهنده دقت بالاتر مدل حاضر است.

کلیدواژه ها:

روانگرایی ، شبکه عصبی مصنوعی ، طراحی آزمایش های تاگوچی ، پایگاه داده ، بهینه سازی