پ.ع.خ.13

كارشناسي ارشد

مهندسي عمران- خاك وپي

پيام نور شيراز

1392-93

1395/04/15

128ص.

فلامكي ،امين

جاعل ، آرش

كتابنامه:ص.127-122

به منظور كمينه كردن زمان مورد نياز براي طراحي هاي قابل اعتماد در لغزشهاي فعال ،محققين روابط تجربي را بيان نموده اند كه ويژگيهاي شاخص خاك همچون LL،PIوCF را به زاويه اصطكاك پسماند زهكشي شده مرتبط مي كند.اما مقادير تخميني زاويه اصطكاك داراي پراكندگي بالا مي باشدكه اين مورد به اين دليل مي باشد كه اين داده ها از آزمايشات انجام شده بر روي خاكهاي مختلف و با روشهاي متفاوت نمونه گيري بدست آمده اند. بهمين دليل اين دادها قابليت عمومي سازي را ندارند.لذا مي توان با استفاده از شبكه هاي عصبي مصنوعي به منظور اعتبار سنجي داده هاي بدست آمده از انواع خاكها استفاده نموده و مشخص شود كه كداميك از ويژگيها ي خاك بيشترين اثر را بر تخمين زاويه اصطكاك پسماند دارد.و اعتبار سنجي صورت گرفته با استفاده از داده هاي بدست آمده از آزمايشگاه نشان مي دهد كه بررسي شاخص هاي آماري مربوط به سه روش محاسبه زاويه اصطكاك پسماند زهكشي شده ،در شبكه هاي پرسپترون چند لايه در قياس با شبكه هاي عصبي تابع پايه شعاعي و روابط تجربي استارك و ايد (1994) بهترين كارايي را داشته و بهترين تخمين را بدست مي دهد. هدف از اين پژوهش، بررسي توانايي شبكه هاي عصبي مصنوعي در مدلسازي و تخمين زاويه اصطكاك پسماند زهكشي شده خاكهاي رسي و مشاهده دقت اين روش و مقايسه آن با روش پيشنهادي استارك و ايد مي باشد .بدين منظور،دو نوع شبكه عصبي پرسپترون چند لايه ،(MLP) ، توابع پايه شعاعي (RBF) براي مدلسازي انتخاب شدند. ابتدا داده هاي جمع آوري شده به دسته هاي آموزش و آزمون تفكيك شدند كه يك دسته براي آموزش شبكه ها بكار رفت و بقيه براي دقت شبكه هاي تعميم يافته و اعتبار سنجي آنها بكار رفت. بهترين هندسه شبكه نيز با روش آزمون و خطا بدست آمد. نتايج مدلسازي نشان داد كه برتري نسبي در تخمين براي آموزش شبكه ها با شبكه MLP بوده است.

73022