پیش بینی ظرفیت باربری نهایی استاتیکی شمع با استفاده از شبکه های عصبی مصنوعی

هدف در این پایان نامه، پیش بینی ظرفیت باربری نهایی استاتیکی شمع های کوبیده شده با انتهای بسته، با استفاده از شبکه عصبی بوده است. همانطور که می دانیم معمولا استفاده از شبکه های عصبی در پیش بینی های ژئوتکنیکی در صورتی امکان پذیر است که، یک سری اطلاعات آزمایشگاهی موجود باشد. در اینجا، اطلاعات موجود، مربوط به دو آزمایش cpt و آزمون بارگذاری استاتیکی شمع می باشد. در واقع هر جا که شمع ساخته شده و مورد آزمون قرار گرفته است، در همان نقطه یا نزدیک به آن، آزمون cpt یا cptu انجام شده است. بنابر این تصمیم گرفته شد که نتایج این دو آزمایش با استفاده از شبکه عصبی به هم مرتبط شوند. اما تا کنون محققین زیادی بوده اند که با روش های ریاضی و آماری به دنبال همین خواسته بوده اند و به نتایجی هم دست یافته اند. و اکنون در بسیاری از نقاط دنیا از این روش ها به عنوان روش های مرجع پیش بینی ظرفیت باربری شمع یاد می کنند و استفاده می کنند. پس چرا ما تصمیم گرفتیم که دوباره ظرفیت باربری نهایی شمع را با روشی دیگر بدست آوریم؟ تا کنون حدود 5 روش مختلف برای پیش بینی ظرفیت باربری نهایی شمع با استفاده مستقیم از آزمون cpt و یک روش از آزمون cptu، وجود داشته است، روش آخر که در سال 1995 توسط eslami - fellenius گسترش پیدا کرده است با قوت از سایر روش ها در پیش بینی ظرفیت باربری نهایی شمع بهتر عمل کرده است. با این وجود در تحقیقات انجام شده در سایر مباحث ژئوتکنیک ثابت شده است که هر جا که یک بانک اطلاعاتی مناسب وجود داشته است، شبکه عصبی واقعا بهتر از سایر روش ها به سوالات مهندسین پاسخ گو بوده است. و در واقع دلیل اصلی شکل گیری این هدف به عنوان موضوع پایان نامه فوق لیسانس، همین بوده است. از طرف دیگر در صورت جمع آوری اطلاعات جدید، شبکه عصبی خیلی به سرعت می تواند دوباره آموزش ببیند. کما اینکه در تحقیق اخیر نیز برتری شبکه عصبی طراحی شده در محدوده اعتبارش، هم از نظر سرعت استفاده و هم از نظر قدرت پیش بینی، و هم از نظر سرعت به روز رسانی نسبت به روش های دیگر، محرز است.