تخمین ضریب فشار جانبی ماسه ها با استفاده از آزمایش نفوذ مخروط در محفظه کالیبراسیون و شبکه عصبی مصنوعی

تعیین دقیق و مناسب پارامترهای خاک همواره در طراحی‌های ژئوتکنیکی مورد توجه بوده است. پیش بینی دقیق پارامترهای تاثیرگذار ماسه از آزمایشات برجا نظیر (CPT)، یکی از چالشی‌ترین مسایل در مهندسی ژئوتکنیک است. در این تحقیق با استفاده از نتایج آزمایش کالیبراسیون نفوذ مخروط که در دانشگاه‌ها و موسسات معتبر انجام شده‌اند و همچنین سیستمی متشکل از سه نوع شبکه عصبی مصنوعی، پارامتر ضریب فشار جانبی ماسه در حالت سکون(K0) برای انواع مختلف ماسه‌های موجود در پایگاه داده جمع‌آوری شده، به طور نسبتا دقیقی پیش بینی شده است. در این سیستم مجموعه‌ای از شبکه‌های عصبی به طور سری وظایفی انجام می‌دهند و در نهایت با ترکیب مناسب این شبکه‌ها، سیستم قادر خواهد بود که پارامتر(K0) را با دقت مناسب برای خاک‌های ماسه‌ای مورد بررسی در پایگاه داده، پیش‌بینی نماید. در این روش از شبکه عصبی خودسازمانده (SOM) برای خوشه‌بندی مناسب داده‌ها، از شبکه عصبی احتمالاتی (PNN) برای کلاسه‌بندی ماسه و در نهایت از شبکه عصبی چندلایه با الگوریتم پس انتشار(BP) برای مدل نهایی، استفاده می‌گردد. جزییات ایجاد و به کارگیری چنین سیستمی در مقاله شرح داده شده و همچنین در پایان، نتایج بدست آمده از این سیستم با نتایج سایر محققین مقایسه گردیده است.