تعیین ضریب نفوذپذیری خاک بر اساس نتایج آزمایش دانه بندی به کمک مدل شبکه های عصبی مصنوعی

یکی از پارامترهای مورد نیاز جهت ارزیابی رفتار ژیوتکنیکی خاک، ضریب نفوذپذیری خاک و زمین ساختگاه میباشد. امروزه روشهای مختلفی برای تعیین ضریب نفوذپذیری خاک در صحرا و آزمایشگاه با توجه به نوع خاک وجود دارد. پارامترهای زیادی در میزان نفوذپذیری خاک موثر میباشند. جهت تعیین آزمایشگاهی این ضریب برای خاکهای ریزدانه از آزمایش نفوذپذیری با بار آبی افتان و برای خاکهای درشتدانه از آزمایش با بارآبی ثابت استفاده میشود. در این مقاله با استفاده از یک نوع خاک با دانهبندی مشخص، به عنوان خاک مادر به تعیین انواع اختلاط از همان خاک اقدام، و نسبت به تعیین مقادیر ضرایب نفوذپذیری آنها مبادرت شده است. هر نمونه اختلاطی، از ترکیب مقادیر متفاوت مانده خاک روی الکهای آزمایشگاهی تهیه شده است. ضریب نفوذپذیری نمونه ها توسط مدل شبکه عصبی با توابع میانی انتقال، شامل توابع سیگمویید و تانژانت هیپربولیک مورد بررسی قرار گرفته است. فرآیند مدلسازی، همراه با تعیین شاخص های ورودی مناسب و موثر بر میزان ضریب نفوذپذیری و پارامترهای ورودی مدل تجربی میباشد. بدیهی است مدل سازی تجربی توام با مراحل آموزش و آزمایش مدل بوده است. ارزیابی خروجی حاصل ازمدل شبکه عصبی با مقادیر نفوذپذیری حاصل از آزمایش نشان دادهاند که مدل طراحی شده با شبکه عصبی مصنوعی با تابع تانژانت هیپربولیک در زمینه پیش بینی مقدار ضریب نفوذپذیری براساس نتایج آزمایش دانهبندی به نحو موثری میتواند در مطالعات ژیوتکنیکی و پیش بینی ضریب نفوذپذیری خاک مورد استفاده قرار گیرد.

کلیدواژه ها:

ضریب نفوذپذیری ، دانه بندی ، مدل شبکه عصبی ، خاک ، Qnet 2000 Neural Network Modeling