بررسی شبکه های عصبی مصنوعی و سیستمهای عصبی فازی تطبیقی برای پیش بینی مدول فشار سنج و فشار حدی در خاکهای ریزدانه

پیش بینی دقیق پارامترهای مکانیکی خاک به ویژه در خاک های ریزدانه یکی از چالش های اساسی در مهندسی ژئوتکنیک است. مدول فشارسنج (Pressuremeter Modulus) و فشار حدی (Limit Pressure) از جمله شاخص های کلیدی هستند که در طراحی پی ها، شمع ها و تحلیل پایداری شیب ها کاربرد گسترده ای دارند. روش های سنتی آزمایشگاهی و میدانی برای تعیین این پارامترها زمان بر، پرهزینه و گاهی با عدم قطعیت همراه هستند. در سال های اخیر استفاده از روش های هوش مصنوعی، به ویژه شبکه های عصبی مصنوعی (ANN) و سیستم های عصبی فازی تطبیقی (ANFIS)، به عنوان جایگزینی کارآمد و دقیق مطرح شده است. این مقاله به بررسی عملکرد ANN و ANFIS در پیش بینی مدول فشارسنج و فشار حدی در خاک های ریزدانه می پردازد. با استفاده از داده های میدانی و آزمایشگاهی به روز، مدل های مختلف توسعه داده شده و با معیارهای آماری MR، MAE، RMSE و VAF ارزیابی شده اند. نتایج نشان می دهد که ANFIS با ترکیب قابلیت های استدلال فازی و یادگیری عصبی، عملکرد بهتری نسبت به ANN ساده دارد و قادر است با خطای کمتر از ۸ این پارامترهای حیاتی را پیش بینی کند. این مطالعه نشان می دهد که هوش مصنوعی می تواند به عنوان یک ابزار قدرتمند در مهندسی ژئوتکنیک، به ویژه در مراحل اولیه طراحی و ارزیابی خاک های ریزدانه مورد استفاده قرار گیرد.

کلیدواژه ها:

شبکه عصبی مصنوعی ، سیستم عصبی-فازی تطبیقی ، مدول فشار سنج ، فشار حدی ، ریزدانه ، هوش مصنوعی ، ژئوتکنیک ، خاک