اهمیت روشهای هوشمند در تعیین خصوصیات زمین شناسی خاک

از جمله مهمترین وظایف یک مهندس ژیوتکنیک شناسایی و دستیابی دقیق به خصوصیات خاک منطقه مورد مطالعه میباشد. از همین رو حفر گمانه های اکتشافی یک ضرورت محسوب میشود. افزایش اطمینان در درونیابی ساختار و خصوصیات لایه های خاک بین گمانه ها منجر به بهبود ارزیابی خصوصیات ژیوتکنیکی و در نتیجه کاهش هزینه ها شده و امکان برنامهریزی صحیح برای انجام عملیات ساختمانی را فراهم می آورد. شبکه عصبی توانایی زیادی در تخمین روابط غیرخطی دارد. هدف اصلی این تحقیق بررسی کارایی روشهای هوشمند در پیش بینی جنس لایه های خاک در محدوده بازار تهران میباشد. شبکه های عصبی، به عنوان سیستم های هوشمند، از خصوصیات خاص پردازش اطلاعات در مغز مانند یادگیری و تعمیم مثالها، نادیده گرفتن خطا در داده ها و پردازش موازی آنها که دور از دسترس روشهای مرسوم برنامه نویسی قرار دارد، استفاده میکنند. نرم افزار دیگر مورد استفاده در این تحقیق Rockworks میباشد. مختصات لایه ها به عنوان داده های ورودی و جنس لایه ها به عنوان خروجی شبکه و نرم افزار لحاظ گردیده است. برای آموزش شبکه از الگوریتم انتشار سریع استفاده شده است. مقایسه نتایج شبکه و نرم افزار Rockworks با مقادیر واقعی معیار بررسی موفقیت بوده است. نرخ طبقه بندی میانگین صحیح (نسبت تعداد پیش بینی های صحیح نرم افزار به کل خروجیها) برای پیش بینی جنس لایه ها در شبکه 85 درصد و در نرم افزار Rockworks، 80 درصد بوده است. با توجه به نتایج میتوان به دقت نسبتا بالای هر دو روش پی برد که در جهت کاهش هزینه ها در انجام امور اکتشافی بسیار مهم میباشد.

کلیدواژه ها:

گمانه اکتشافی ، نرخ صحیح طبقه بندی ، شبکه عصبی مصنوعی ، ژیوتکنیک ، Rockworks