ارزیابی قابلیت اطمینان مدل هوش مصنوعی منحنی مشخصه آب- خاک و کاربرد آن در بررسی پایداری شیب های غیر اشباع

منحنی مشخصه آب- خاک یکی از مهمترین و کاربردی ترین مبانی مکانیک خاک غیر اشباع می-باشد. دلیل اهمیت زیاد این منحنی در واقع بعلت ایجاد ارتباط بین تغ??رات رطوبت (به عنوان مشخصه ای با روش اندازه گ?ری ساده) با مکش ( به عنوان مشخصه ای با روش های اندازه گ?ری نه چندان ساده) است. مدلسازی این منحنی بدلیل وجود مکش در آن بعنوان پارامتری که نقش بسیار اساسی در رفتار و مقاومت خاک های غیر اشباع ایفا می کند، مورد توجه بسیاری از محققین قرار گرفته است. در این تحقیق به کمک یک بانک اطلاعاتی معتبر خاک های غیر اشباع شامل داده های مربوط به آزمایش فشار صفحه ای و مشخصه های نمونه های خاک، به مدلسازی منحنی مشخصه آب- خاک با استفاده از روش برنامه نویسی توصیف ژن که از جمله روش های نوین هوش مصنوعی می باشد، پرداخته شده است. در این مدلسازی فقط از مشخصه های خاک نظیر درصد رس، درصد سیلت، رطوبت اولیه و تخلخل جهت پیش بینی این منحنی استفاده شده است. اگرچه مدل ارائه شده با دقت مناسبی منحنی مشخصه آب- خاک را پیش بینی می کند، اما با توجه به عدم قطعیت های ذاتی موجود در پارامترهای ژئوتکنیکی، قابلیت اطمینان مدل ارائه شده با استفاده از روش احتمالاتی ترکیب منحنی توزیع متغیرهای تصادفی مورد ارزیابی قرار گرفته و سپس با استفاده از روش شبیه سازی مونت کارلو صحت سنجی شده است. نتایج این تحلیل ها نشان دهنده کاهش پراکندگی مقادیر ممکن رطوبت در مکش های بالاتر می باشد. همچنین پس از انجام تحلیل های قطعی و احتمالاتی شیب غیر اشباع با استفاده از مدل ارائه شده، به مدلسازی احتمالاتی پایداری شیب های غیر اشباع در هر دو شاخه ترشوندگی و خشک شوندگی پراخته شده است. از جمله دست آورده های مدل ارائه شده پیش بینی مستقیم احتمال گسیختگی شیب های غیر اشباع با استفاده از ضریب اطمینان شیب و بدون استفاده از روش های زمان بر مرسوم می باشد.