ارائه مدل هوشمند پیش بینی ظرفیت باربری پی های سطحی با استفاده از پارامترهای ژئوتکنیکی و الگوریتم های یادگیری ماشین

پیشبینی دقیق ظرفیت باربری پیهای سطحی، همواره یکی از چالشهای بنیادین در طراحیهای ژئوتکنیکی به شمار میرود. روشهای تحلیلی و تجربی کلاسیک، با فرضیات سادهکننده نظیر خاک همگن و الاستیک، اغلب در انطباق با شرایط واقعی و پیچیده زیرسطحی با خطاهای قابلتوجهی همراه هستند. در سالهای اخیر، بهکارگیری روشهای دادهمحور و هوشمند نظیر الگوریتمهای یادگیری ماشین، بهعنوان رویکردی نوین و کارآمد برای مدلسازی پدیدههای غیرخطی و وابسته به عوامل متعدد مطرح شده است. در پژوهش حاضر، یک مدل هوشمند ترکیبی بر اساس شبکههای عصبی مصنوعی و الگوریتم بهینهسازی ازدحام ذرات، برای پیشبینی ظرفیت باربری نهایی پیهای نواری و مربعی بر روی خاکهای چسبنده-اصطکاکی توسعه داده شده است. پارامترهای ورودی مدل شامل چسبندگی خاک، زاویه اصطکاک داخلی، وزن مخصوص، عرض پی و عمق مدفونشدن پی بوده و خروجی مدل، ظرفیت باربری نهایی در نظر گرفته شده است. ارزیابی عملکرد مدل با استفاده از معیارهای آماری نشاندهنده دقت بسیار بالای رویکرد پیشنهادی در مقایسه با روابط کلاسیک ترزاقی و مایرهوف است. تحلیل حساسیت انجامشده بر روی مدل نهایی نیز بیانگر آن است که به ترتیب، عمق مدفونشدگی و زاویه اصطکاک داخلی بیشترین تاثیر را بر ظرفیت باربری دارند. یافتههای این پژوهش حاکی از آن است که مدلهای مبتنی بر یادگیری ماشین، بهویژه رویکردهای ترکیبی با قابلیت بهینهسازی پارامترها، میتوانند بهعنوان ابزاری قدرتمند و قابل اعتماد در تخمین ظرفیت باربری پیها، مبنای تصمیمگیری در پروژه های عمرانی قرار گیرند.

کلیدواژه ها:

ظرفیت باربری پیهای سطحی ، یادگیری ماشین ، شبکه عصبی مصنوعی ، بهینهسازی ازدحام ذرات