1
استادیار، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
2
دانشجوی دکتری، گروه مهندسی عمران، واحد تهران جنوب، دانشگاه آزاد اسلامی، تهران، ایران
چکیده
یکی از مهمترین مسایل در مهندسی ژئوتکنیک پیش‌بینی رفتار آبرفت درشت-دانه است که در گذشته تلاشهای زیادی برای مدلسازی این امر انجام گرفته است. هدف اصلی این مقاله ارایه مدل ترکیبی رفتاری- عصبی مصنوعی جهت پیش‌بینی رفتار آبرفت درشت‌دانه بر مبنای نتایج آزمونهای پرسیومتری انجام شده در محیط آزمایشگاه و برجا می‌باشد. آزمونهای پرسیومتری مورد استفاده به کمک دستگاه چمبر در محیط آزمایشگاه جهت درک بهتر رفتار این نوع مصالح انجام شده‌اند. همچنین بر روی همان خاکی که در آزمایشگاه آزمون پرسیومتری انجام شده، آزمونهای پرسیومتری برجا نیز انجام شده و نتایج آن در دسترس است. سپس نتایج آزمونهای برجا به کمک این آزمونهای آزمایشگاهی مورد مقایسه قرار گرفته و اثر سیمانتاسیون آبرفت درشت دانه تهران مورد ارزیابی قرار گرفته است. پس از مرحله آزمایشگاهی و تفسیر نتایج آن، مرحله عددی با جمع‌آوری بانک داده از آزمونهای مختلف جهت ساخت مدل ترکیبی شبکه عصبی مصنوعی و رفتاری شروع شد. شبکه عصبی منتخب در مرحله قبل با داده‌های اصلاح شده از مرحله آزمایشگاهی و برجا با ملاحظه اثرات سیمانتاسیون آموزش دید و سپس مدل ترکیبی عصبی- رفتاری جهت پیش‌بینی رفتار آبرفت درشت‌دانه در یک پروژه گودبرداری مورد استفاده قرار گرفت. در نهایت نتایج حاصل از پیش‌بینی مدل رفتاری عصبی با نتایج مدلسازی اجزا محدود و نتایج واقعی ناشی از مونیتورینگ در یک پروژه گودبرداری مشخص مقایسه گردید. نتایج نشان دادند که مدل ترکیبی عصبی- رفتاری از دقت قابل قبولی در مدلسازی پروژه گودبرداری از طریق پیش بینی مقادیر نشستها نزدیکتر به نتایج واقعی به نسبت مدلسازی رفتاری برخوردار است.
)