كاربرد شبكه هاي عصبي مصنوعي در تخمين حداكثر وزن مخصوص خشك در منابع قرضه

Application of Artificial Neural Networks in Estimation of Maximum Dry Density from Borrow Pits

طي چندين سال اخير، شبكه هاي عصبي مصنوعي (ANNS) به طور موفقيت آميزي براي مدل سازي تقريبا همه جوانب مسائل مهندسي ژئوتكنيك استفاده شده اند. ضمن اينكه شبكه هاي عصبي مصنوعي وعده هاي بسياري را عرضه كرده اند، اما ضعف هايي در استخراج دانش، تعميم دهي و عدم قطعيت دارند، در اين تحقيق الگوريتمي جهت مدل سازي و تخمين حداكثر وزن مخصوص خشك خاك تحت نرم افزار MATLAB ، با شبكه عصبي مصنوعي ارائه مي شود. شبكه استفاده شده در اين تحقيق از نوع پرسپترون چند لايه با پس انتشار خطا مي باشد. شبكه داراي يك لايه ورودي و يك لايه مياني و يك لايه خروجي بوده و تحت تابع تحريك سيگموئيدي كار ميكند.لايه ورودي شامل 3 نرون ، لايه مياني شامل 14 نرون ولايه خروجي حاوي يك نرون مي باشد. 21 نمونه كه قبلا نتايج آزمايشگاهي آنها استخراج شده بود جهت مدل سازي ( آموزش ، ارزيابي و تست ) شبكه مورد استفاده قرار گرفتند، نمودار تابع خروجي تحت تابع هدف و همچنين مقدار متوسط مربع خطاي خروجي (MSE) برابر 00032/0 درصد، و همچنين صحت سنجي داده ها بصورت حداقلي و حداكثري و ميانگيني نشان دهنده مورد قبول بودن نتايج حاصل از تخمين شبكه طراحي شده مي باشد.

During the past several years, artificial neural networks (ANNS) successfully for modeling almost all aspects of geotechnical engineering problems have been used. Artificial neural networks while many promises have been released, but the weakness in mining generalized knowledge and uncertainties in this estimate for modeling and algorithm research of maximum dry density of soil under MATLAB, with artificial neural network. The network used in the r-type laminated with prspetron error propagation. The network has an input layer and a middle layer and a layer of the excitation function and output under sigmoeedy. input consists of 3 layers of neurons, the middle layer contains 14 output layer neurons and neurons containing a. 21 laboratory results before they had been mining for modeling (testing, evaluation and training) network were used, the output under the graph of a function and purpose as well as the average value of the function of the square of the output error (MSE) against 32.0%, as well as the correctness of the data in the form of a minimum and maximum number of survey and being accepted by the moving average reflects the results of the estimation of the network design.