سال انتشار: ۱۳۹۰

محل انتشار: ششمین کنگره ملی مهندسی عمران

تعداد صفحات: ۸

نویسنده(ها):

علی اصغر بسالت پور – دانشجوی دکتری دانشگاه صنعتی اصفهان
محمدعلی حاج عباسی – استاد دانشگاه صنعتی اصفهان
شمس اله ایوبی – دانشیار گروه علوم خاک دانشگاه صنعتی اصفهان

چکیده:

شبکه های عصبی مصنوعی سیستم های یادگیرنده ای هستندکه در صورت دارا بودن پیچیدگی لازم و نیز نمونه و زمان کافی برای آموزش می توانند هر تابع غیرتصادفی از هر درجه ای را مدل کنند دراین پژوهش قابلیت استفادهاز شبکه های عصبی مصنوعی برای مدلسازی براوردمقاومت برشی خاک و میانگین وزنی قطر خاکدانه ها MWD با رگرسیون چند متغیره خطی مقایسه شد برای این منظور از برخی داده های زویافت موثر براین خصوصیات شامل برخی ویژگیهای توپوگرافی پوشش گیاهی و خاک استفاده گردید برای بررسی کارایی دو مدل نیز از برخی شاخص های آماری نظیر ضریب همبستگی r میانگین مربعات خطا MSE و میانگین خطاتخمین MEE بین مقادیر اندازه گیری شده و براورد شده استفاده شد نتایج نشان دادکه مدلهای شبکه عصبی طراحی شده برای تخمین هر دو پارامتر مورد مطالعه دارای کارایی بسیار بالاتری نسبت روشهای رگرسیونی مرسوم بودند مقادیر MEE,MSE,r مدل شبکه طراحی شده برای برآورد مقاومت برشی خاک به ترتیب برابر ۰/۸۹، ۰/۰۶ ، ۰/۰۰۵ بود.