کاربرد شبکه عصبی مصنوعی در پیش بینی و تفسیر نتایج آزمایش بارگذاری صفحه در خاک های ریزدانه

در سال های اخیر، مدل های شبکه های عصبی مصنوعی در بسیاری از مسائل مهندسی ژئوتکنیک با موفقیت به کار برده شده اند. در این تحقیق از دو نوع از شبکه های عصبی مصنوعی شامل شبکه عصبی چند لایه پرسپترون و شبکه نوروفازی جهت ارائه مدلی به منظور پیش بینی نتایج آزمایش بارگذاری صفحه بر روی خاک های ریزدانه انجام شده است. مدول عکس العمل بستر یک رابطه مفهومی بین فشار خاک و جابجایی آن است که به طور گسترده در تحلیل سازه ای اعضای فنداسیون به کار برده می شوند. همچنین ظرفیت باربری عامل تعیین کننده ای در طراحی شالوده ها به شمار می رود. آزمایش برجای بارگذاری صفحه روش مناسبی جهت تعیین این دو خصوصیت است. به منظور ارائه مدل مناسب جهت پیش بینی ضریب عکس العمل بستر و ظرفیت باربری از نتایج آزمایش بارگذاری صفحه بر روی خاک های ریزدانه، خصوصیاتی از قبیل دانسته خشک، رطوبت طبیعی، حد روانی، شاخص خمیری و درصد ریزدانه به عنوان پارامترهای ورودی انتخاب شده است. به منظور یافتن مدل بهینه شبکه عصبی چند لایه پرسپترون، از روش خوشه بندی فازی برای تقسیم داده ها استفاده شده است و انواع ساختاریهای ممکن مورد آزمایش قرار گرفته اند. در نهایت شبکه ای با یک لایه پنهان دارای 13 نورون به عنوان موفق ترین شبکه در پیش بینی ظرفیت باربری و شبکه با یک لایه پنهان دارای 11 نورون به عنوان موفق ترین شبکه در پیش بینی ظرفیت باربری خاک انتخاب شده است. همچنین شبکه ای با 2 تابع عضویت برای هر کدام از پارامترهای ورودی در شبکه نروفازی به منظور پیش بینی ظرفیت باربری و ضریب عکس العمل بستر انتخاب شده است. در ادامه تحلیل نامعینی و حساسیت به منظور بیان اثر پارامترهای ورودی بر خروچی مدل های شبکه عصبی انجام شده است.