بررسی ظرفیت باربری شمع تک تحت بار محوری با کمک شبکه های عصبی مصنوعی بر مبنای اطلاعات cpt

در سالهای اخیر تحقیقات زیادی جهت پیش بینی ظرفیت باربری شمع صورت گرفته است و بر این اساس روابط تئوریک و تجربی زیادی ارائه گردیده است. آزمایش نفوذ مخروط (cpt) یکی از متداولترین آزمایشات درجا می باشد که میتوان آن را مدلی از شمع فرض کرد و به عنوان وسیله ای برای تعیین ظرفیت باربری شمع استفاده نمود. معمولا مقادیر مقاومت نوک و جداره مخروط به ترتیب برای تعیین ظرفیت باربری نوک و جداره شمع کاربرد دارند. از موارد مطالعاتی مشتمل بر آزمایش بارگذاری استاتیکی و دینامیکی شمع به همراه تفکیک نیروی نوک شمع و اطلاعات cpt مجاور آنها در این رساله استفاده شده است. شبکه های عصبی مصنوعی به شبیه سازی فرایندی که در آن مغز انسان می آموزد و تشخیص الگوهای موجود در آن تلاش میکند. gmdh نمونه ای از شبکه های عصبی است که ساختار آن توسط الگوریتم ژنتیک (ga) بهینه گردیده است. در این رساله از شبکه عصبی نوع gmdh استفاده شده تا تأثیر پارامترهای ورودی بر مقاومت واحد نوک و جداره شمع بدست آید. در این راستا یک مدل مقاومت واحد جداره شمع و دو مدل برای مقاومت واحد نوک شمع در خاک های مخلوط و ماسه ای با رویکردهای مختلف ارائه شده است. سپس ظرفیت باربری شمع بوسیله روش های پیشنهادی محاسبه شد و در نهایت با دیگر روشهای مستقیم تعیین ظرفیت باربری شمع مقایسه گردید. نتایجی که از تحلیل های به عمل آمده حاصل شد نشان می دهد که روش پیشنهادی ، روشی نیرومند در تعیین ظرفیت باربری شمع می باشد.