ارائه مدل‌هايي براي تخمين شاخص قابليت فشردگي(Cc) در خاك‌هاي ريزدانه

Offering models for estimation of compressibility coefficient in fine grain soils

قابليت فشردگي(Compressibility) توده خاك يكي از مهمترين پارامترهاي خاك مي­باشد كه براي طراحي­هاي ژئوتكنيك ضروري است. با توجه به اينكه تعيين شاخص قابليت فشردگي از آزمايش تحكيم نسبتاً وقت­گير است محاسبه اين شاخص از فرمول­هاي تجربي بر اساس خصوصيات خاك مي­تواند مفيد باشد. در طي دهه­هاي اخير، چندين رابطه تجربي براي تخمين قابليت فشردگي با استفاده از پارامترهايي مانند درصد رطوبت طبيعي، حد رواني، شاخص خميري، وزن مخصوص و ديگر پارامترهاي خاك ارائه شده است. در اين تحقيق ابتدا بر اساس داده‌هاي 115 مورد مطالعه از 8 سايت در نقاط مختلف كشور به كمك رگرسيون ساده و چند متغيره روابط تجربي براي ارتباط بين شاخص قابليت فشردگي و ديگر پارامترهاي خاك مانند حد رواني، حد خميري، شاخص خميري، نسبت پوكي در حد رواني و نسبت پوكي در حد خميري پيشنهاد شد. سپس به عنوان روش جايگزين يك مدل شبكه عصبي مصنوعي براي تخمين شاخص قابليت فشردگيارائه گرديد. شاخص قابليت فشردگي به عنوان تابعي از 5 پارامتر شامل شاخص خميري، درصد ذرات ريزدانه، نسبت پوكي در حد رواني، نسبت پوكي در حد خميري و وزن مخصوص مدل شد. در نهايت مدل‌هاي ارائه شده با هم مقايسه گرديد. نتايج نشان داد كه مدل شبكه عصبي از عملكرد بهتري نسبت به روابط تجربي ديگر براي پيش­بيني شاخص قابليت فشردگي خاك‌هاي ريزدانه برخودار مي­باشد.

The compression index of soil masses is one of the important soil parameters that is essential for geotechnical designs. As the determination of the compression index from consolidation tests is relatively time-consuming, empirical formulas based on soil parameters can be useful. Over the decades, a number of empirical formulas have been proposed to relate the compressibility to other soil parameters, such as the natural water content, liquid limit, plasticity index, specific gravity, and others. In this study, first by simple and multi linear regression based on 115 case study, empirical formulas proposed to relate the compressibility to other soil parameters, such as the, liquid limit, plastic limit, plasticity index, void ratio at liquid limit, void ratio at plastic limit. An alternative approach, an artificial neural network (ANN) model, is proposed to estimate the compression index with numerous consolidation test sets. The compression index was modeled as a function of five variables including the plastic index, clay fraction, void ratio at liquid limit, void ratio at plastic limit and specific gravity. Finally, comparison between proposed models carried out. The ANN model has a significantly better performance than the empirical equations for the soil compression index.