تعیین ضریب نفوذپذیری خاک بر اساس نتایج آزمایش دانه بندی به کمک مدل شبکه های عصبی مصنوعی

یکی از پارامترهای مورد نیاز جهت ارزیابی رفتار ژئوتکنیکی خاک، ضریب نفوذپذیری خاک و زمین ساختگاه می باشد. امروزه روش های مختلفی برای تعیین ضریب نفوذپذیری خاک در صحرا و آزمایشگاه با توجه به نوع خاک وجود دارد. پارامترهای زیادی در میزان نفوذپذیری خاک موثر می باشند. جهت تعیین آزمایشگاهی این ضریب برای خاک های ریزدانه از آزمایش نفوذپذیری با بار آبی افتان و برای خاک های درشت دانه از آزمایش با بار آبی ثابت استفاده می شود. در این مقاله با استفاده از یک نوع خاک با دانه بندی مشخص، به عنوان خاک مادر به تعیین انواع اختلاط از همان خاک اقدام، و نسبت به تعیین مقادیر ضرایب نفوذپذیری آن ها مبادرت شده است. هر نمونه اختلاطی، از ترکیب مقادیر متفاوت مانده خاک روی الک های آزمایشگاهی تهیه شده است. ضریب نفوذپذیری نمونه ها توسط مدل شبکه عصبی با توابع میانی انتقال، شامل توابع سیمگوئید و تانژانت هیپربولیک مورد بررسی قرار گرفته است. فرایند مدل سازی، همراه با تعیین شاخص های و رودی مناسب و موثر بر میزان ضریب نفوذپذیری و پارامترهای ورودی مدل تجربی می باشد. بدیهی است مدل سازی تجربی توام با مراحل آموزش و آزمایش مدل بوده است. ارزیابی خروجی حاصل از مدل شبکه عصبی با مقادیر نفوذپذیری حاصل از آزمایش نشان داده اند که مدل طراحی شده با شبکه عصبی مصنوعی با تابع تانژانت هیپربولیک در زمینه پیش بینی مقدار ضریب نفوذپذیری بر اساس نتایج آزمایش دانه بندی به نحو موثری می تواند در مطالعات ژئوتکنیکی و پیش بینی ضریب نفوذپذیری خاک مورد استفاده قرار گیرد.