پیش بینی پتانسیل رمبندگی بر اساس نتایج آزمایش نفوذ استاندارد با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی راه آهن سمنان)

پیش بینی پتانسیل رمبندگی بر اساس نتایج آزمایش نفوذ استاندارد با استفاده از مدل شبکه عصبی مصنوعی (مطالعه موردی راه آهن سمنان)

رمبندگی به ریزش ناگهانی خاک در اثر از دست رفتن مقاومت عامل پیوند دهنده ذرات خاک اطلاق می شود و میزان رمبندگی ایجاد شده وابسته به نسبت تخلخل و رطوبت اولیه خاک است. در خاک های رمبنده تحت تنش یکسان، با افزایش درصد رطوبت ضمن نشست قابل توجه، کاهش چشم گیری در ظرفیت باربری خاک مشاهده می شود. مهم ترین متغیرهای مؤثر در ارزیابی پتانسیل ریزش عبارتند از: وزن مخصوص خشک، آب محتوی اولیه، فشار آب کاربردی، درصد رس محتوی، درصد ماسه محتوی و ضریب یکنواختی. در این پژوهش از نرم افزار matlab جهت تعیین و تخمین پتانسیل رمیندگی توسط شبکه عصبی مصنوعی ann)) استفاده شده است. شبکه های عصبی در سال های اخیر گسترش قابل توجهی در تحلیل مسائل مختلف مهندسی ژئوتکنیک داشته و توانایی خود را در حل مسائل پیچیده به اثبات رسانیده است. محدوده مطالعاتی این پژوهش شهر سمنان می باشد که 36 نمونه از نتایج گزارشات آزمایشگاهی ژئوتکنیک مربوط به این منطقه که قبلاً نتایج آن ها استخراج شده بود جهت مدل سازی (آموزش، ارزیابی و تست) مورد استفاده قرار گرفت. در این مدلسازی پارامترهای ژئوتکنیکی از معیار فدا می باشند استفاده شده است. در میان 5 مدل شبکه عصبی طراحی شده با توجه به نتایج آنالیز حسیاست انجام گرفته مدل شماره 1 با 3 ورودی بعنوان شبکه نهایی و بهینه انتخاب گردیده است. در نهایت پس از تحلیل شبکه توسط نرم افزار با توجه به نمودارها و داده های تابع خروجی، نتایج استخراج می شوند.