پيش ‌بيني پارامتر‌هاي مقاومت برشي خاك ‌هاي بندرعباس با استفاده از شبكه عصبي مصنوعي

پارامترهاي مقاومت برشي، پارامترهاي مهمي براي ارزيابي پايداري سازه‌هاي مهندسي هستند كه محاسبه آن‌ها با روش‌هاي مرسوم نيازمند هزينه و زمان زيادي مي‌باشد. در اين پژوهش با استفاده از آزمايش‌هاي اوليه‌ ژئوتكنيك مانند دانه‌بندي، حدود آتربرگ و آزمايش تك‌محوره و به كارگيري هوش مصنوعي، بدون انجام تست‌هاي پيچيده‌تر، زاويه اصطكاك داخلي و چسبندگي خاك محاسبه شد. به اين منظور از نمونه‌هاي دست‌نخورده از ۱۴ گمانه در بندرعباس كه بر روي آن‌ها آزمايش‌هاي اوليه‌ي ژئوتكنيك و برش مستقيم انجام گرفته بود، انتخاب‌ و براي آموزش شبكه‌ي عصبي استفاده شدند. در اين پژوهش تعداد ۱۹۵ شبكه در حالت‌هاي مختلف آموزش داده شد. به منظور دستيابي به بهترين عملكرد، شبكه‌هاي عصبي پيش‌خور ابتدا در حالت تك لايه و دو لايه با تعداد نورون‌هاي لايه مياني پايين آموزش داده شدند و تابع TRAIN BR به دليل بالا بودن نسبت  R (R=0/97) انتخاب و سپس با افزودن لايه‌هاي مياني به ۳، ۴ و ۵ لايه با تعداد نورون‌هاي لايه مياني (۵۰، ۴۰، ۳۰، ۲۰ و ۱۰) نورون شبكه‌هاي عصبي آموزش داده شدند. نتايج نشان داد شبكه‌ي MLP چهار لايه بهترين نتايج را نشان مي‌دهد، براي اين حالت R آموزش ۱، R تست 0/90 و  R كل 0/98 مي‌باشد. در نهايت به منظور صحت‌سنجي شبكه‌ي عصبي، تعداد ۱۵ نمونه انتخاب و پارامترهاي ورودي شبكه در حالات بهينه ۲، ۳ و ۴ لايه آموزش داده و خروجي شبكه ارزيابي شد. براي پيش‌بيني چسبندگي، شبكه عصبي در حالت 4 لايه (0/99 =R^2)  و براي زاويه اصطكاك، شبكه‌هاي ۲، ۳ و ۴ لايه (0/99 =R^2) بهترين خروجي را داشتند.