مقایسه‌ی روش‌های مختلف ارزیابی میزان اثرگذاری متغیرهای ورودی در شبکه‌های عصبی پیشخور با استفاده از داده‌های ژئوتکنیکی

شبکه‌های عصبی پیشخور به‌عنوان ابزاری مناسب در بسیاری از زمینه‌های مهندسی عمران کاربرد داشته‌اند. این شبکه‌ها به‌ویژه در بسیاری از مسائل مهندسی ژئوتکنیک کاربرد موفقیت‌آمیزی داشته‌اند. مروری بر مقالات منتشره در این زمینه، بیان‌گر این کاربرد موفقیت‌آمیز در زمینه‌هایی همچون پیش‌بینی ظرفیت شمع‌ها، مدل‌سازی رفتار خاک‌ها، روان‌گرایی وسه‌نقطه است. با این حال، الگوریتم‌های آموزشی هیچ‌گونه اطلاعاتی درباره‌ی میزان اثرگذاری هریک از پارامترهای ورودی در متغیرهای خروجی در اختیار کاربر قرار نمی‌دهند. به‌عبارت دیگر فهم سریع درجه‌ی اهمیت ورودی‌ها با استفاده از وزن‌ها و توابع تحریک ممکن نیست. در حقیقت شبکه‌های عصبی مصنوعی به‌عنوان یک جعبه‌سیاه به کاربر معرفی می‌شوند که فقط می‌تواند با پردازش بسیار پیچیده بر روی داده‌ها، خروجی‌های مشخصی تولید کند. برای حل این مشکل در طول ۱۰ سال اخیر روش‌های تفسیری متعددی به‌منظور تحلیل میزان اثرگذاری و اهمیت متغیرهای ورودی بر روی خروجی‌های شبکه پیشنهاد شده است. در این پژوهش ۶ روشی که پرکاربردترین روش‌های تفسیری‌اند با یکدیگر مقایسه شده‌اند. داده‌های مورد استفاده برای تربیت شبکه‌های عصبی براساس مجموعه‌آزمایشاتی است که برای تعیین پارامترهای دینامیکی رس‌های مخلوط انجام شدند. در نهایت، روشی که بهترین عملکرد تفسیری را نشان می‌دهد معرفی شده است.