پيش‌بيني عمق روانگرايي ناشي از امواج با شبكه عصبي مصنوعي

در مطالعه حاضر از روش شبكه عصبي مصنوعي جهت تعيين عمق روانگرايي ناشي از موج كه از عوامل مهم در طراحي سازه‌هاي واقع شده بر بستر دريا مي‌باشد استفاده شده‌است. بررسي روانگرايي از مسائل پيچيده در مهندسي ژئوتكنيك است كه فاكتورهاي زيادي از قبيل پارامترهاي خاك و خصوصيات بارگذاري را شامل مي‌شود. بررسي‌ها در دو مرحله (اول براي رده بندي عمق روانگرايي و دوم تعيين مقدار دقيق عمق روانگرايي) انجام شد. براي رده‌بندي عمق روانگرايي شبكه بهينه شامل 2 لايه پنهان و 8 نورون در هر لايه پنهان با توابع تحريك سيگموئيد است. مجموع مربعات خطا در مرحله آزمايش معادل 622/13 بوده‌است. همچنين ميزان پيش‌بيني نادرست 5/21 درصد برآورد شده‌است. براي تعيين مقدار دقيق عمق روانگرايي شبكه‌اي با توابع تحريك سيگموئيد و 2 لايه پنهان و 10 نورون در هر لايه پنهان، مناسب‌ترين شبكه براي به دست آوردن مقدار عمق روانگرايي تشخيص داده شد. تحليل حساسيت پارامتر خروجي (عمق روانگرايي) به پارامترهاي ورودي معرفي شده به شبكه نشان مي‌دهد كه از ميان پارامترهاي ورودي، نفوذپذيري خاك بستر بيش‌ترين تأثير با نسبت 291/0 را داشته است. پس از آن به ترتيب ارتفاع موج، ضخامت بستر خاكي، پريود موج، عمق آب و درجه اشباع تأثير كمتري بر ميزان عمق روانگرايي داشته‌اند.