کاربرد شبکه های عصبی مصنوعی در تخمین حد خمیری، در منابع قرضه

علی رغم تحقیقات و بررسی های زیاد دانشمندان کلا نمی توان ادعا نمود که خصوصیات و رفتار طبیعی خاک بطور کلی شناخته شده است و حاصل این، ارایه مدل ها و راهکارهای گوناگون برای مسایل ژیوتکنیکی است. همچنین محدودیت های مالی در ابتدای اکثر پروژهای عمرانی از دقت برآورد های اولیه می کاهد. به همین دلیل برآورد های اولیه در بیشتر پروژه های عمرانی کنترل مضاعفی را می طلبند. همچنین باید در نظر داشت ویژگی های متنوع رفتار خاک در مهندسی مکانیک خاک حاصل فرآیندهای پیچیده فیزیکی خاک می باشد. ودر حقیقت خاک رفتاری متفاوت از مواد هموژن دیگری نظیر فولاد و بتن از خود بروز می دهد. اکثر روش های مهندسی ژیوتکنیک راه حل های ساده ای برای حل رفتارهای پیچیده خاک ارایه می دهند. به همین دلیل روز به روز نیاز به راه حل های مکمل در مهندسی ژیوتکنیک بیشتراحساس می شود. یک شیوه رایج براساس داده هایی است که ساختار و پارامتر های مدل را تعیین می کند. این تکنیک ANNS نام دارد. طی چندین سال اخیر، شبکه های عصبی مصنوعی ANNS به طور موفقیت آمیزی برای مدل سازی تقریبا همه جوانب مسایل مهندسی ژیوتکنیک استفاده شده اند.مروری برکارهای انجام گرفته نشانگر این واقعیت می باشد که شبکه های عصبی مصنوعی توانسته اند تخمین های دقیقی از مسایل مختلف ژیوتکنیکی از جمله پایداری شیب ها ، نوع دانه بندی خاک ، نشست پی ها ، ظرفیت باربری و سایر موارد ، ارایه بدهند. ضمن اینکه شبکه های عصبی مصنوعی وعده های بسیاری را عرضه کرده اند، اما ضعف هایی در استخراج دانش، تعمیم دهی و عدم قطعیت دارند، در این تحقیق الگوریتمی جهت مدل سازی و تخمین حد خمیری خاک تحت نرم افزار MATLAB ، با شبکه عصبی مصنوعی ارایه شده است. شبکه استفاده شده در این تحقیق از نوع پرسپترون چند لایه با پس انتشار خطا می باشد. شبکه دارای یک لایه ورودی و یک لایه میانی و یک لایه خروجی بوده و تحت تابع تحریک سیگموییدی کار می کند. لایه ورودی شامل 5 نرون ، لایه میانی شامل 49 نرون ولایه خروجی حاوی یک نرون می باشد. 43 نمونه که قبلا نتایج آزمایشگاهی آنها استخراج شده بود جهت مدل سازی (آموزش ، ارزیابی و تست) شبکه مورد استفاده قرار گرفتند، نمودار تابع خروجی تحت تابع هدف و همچنین مقدار متوسط مربع خطای خروجی (MSE) برابر 62 / 4درصد، و همچنین صحت سنجی داده هاکه در این مقاله به خاطر خلاصه نویسی ، بصورت حداقلی ، حداکثری و میانگینی ارایه شده است . نشان دهنده مورد قبول بودن نتایج حاصل از تخمین شبکه طراحی شده می باشد.

کلیدواژه ها:

حد روانی ، ژیوتکنیک ، شبکه های عصبی مصنوعی