مجید نیکخواه - دانشجو دکترای مکانیک سنگ; دانشکده فنی و مهندسی; دانشگاه تربیت مدرس ; ته
مرتضی احمدی - دانشیار مکانیک سنگ; دانشکده فنی و مهندسی; دانشگاه تربیت مدرس; تهران
نازبانو فرزانه - دانشجو دکترای کامپیوتر
عباسعلی صبا - کارشناس زمین شناسی

امروزه شبکه های عصبی مصنوعی ابزاری قدرتمند برای حل مسائل پیچیده از قبیل تخمین، تشخیص الگو و طبقه بندی انواع متغیرها هستند. در این تحقیق به منظور بررسی توانایی شبکه های عصبی در پیش بینی خرج ویژه آتشباری تونل، از دو نوع شبکه عصبی پرسپترون چند لایه و پایه ای شعاعی مبتنی بر داده های الگوهای آتشباری تونل انتقال آب از سد دوستی به مشهد که اخیرا اجرا شده است، برای مطالعه موردی استفاده شده است. 14 پارامتر از ویژگیهای ژئومکانیکی توده سنگ، چالهای انفجاری و نوع ماده ناریه بعنوان ورودی شبکه در نظر گرفته شده است. نتایج بدست آمده مبین این است که شبکه های عصبی پس انتشار خطای چند لایه و پایه ای شعاعی ارائه شده از توانایی بالایی در پیش بینی خرج ویژه برخوردار بوده و می توان از آنها با اطمینان قابل قبولی بدین منظور استفاده کرد، با این حال از شبکه عصبی پرسپترون چند لایه نتیجه و کارایی بهتری بدست آمده است.

خرج ویژه، شبکه عصبی مصنوعی، شبکه پرسپترون چند لایه، شبکه پایه ای شعاعی، تونل