فرزاد فرخ زاد - دانشجوی کارشناسی ارشد مجتمع عالی فنی و مهندسی نوشیروانی بابل
عسگر جانعلیزاده - استادیار مجتمع عالی فنی و مهندسی نوشیروانی بابل

هوش مصنوعی را باید عرصه پهناور تلاقی و ملاقات بسیاری از دانشها، علوم و فنون قدیم و جدید دانست. ریشه ها و ایده های اصلی آن را باید در فلسفه، زبان شناسی، ریاضیات، روان شناسی، نورولوژی و فیزیولوژی نشان گرفت و شاخه ها، فروع و کاربردهای گونه گونه و فراوان آن را در علوم رایانه، علوم مهندسی، علوم زیست شناسی و پزشکی، علوم ارتباطات و زمینه های بسیار دیگر. پس از معرفی ماهیت شبکه های عصبی نیاز است مثال هایی از کاربرد شبکه های عصبی به عنوان ابزارهای هوشمند در مسائل مهندسی عمران و به خصوص ژئوتکنیک ارائه شود تا به این وسیله نمایی از توانایی های بالقوه آن در زمینه مهندسی ترسیم شود. پدیده های ژئوتکنیکی به شدت متاثر از طبیعت ناهمسان و رفتار غیرخطی خاک می باشند که بررسی آنها باروش های تحلیلی معمول نیاز به انجام محاسبات بسیار پیچیده و اعمال هزینه های قابل توجه جهت شناسایی می باشد. با توجه به توانایی های شایان شبکه های عصبی در مسایل غیرخطی و چند متغیره، محققان در حل بسیاری از مسائل موجود در مهندسی ژئوتکنیک از شبکه های عصبی کمک گرفته اند از جمله آن می توان به مدل های رفتاری- روانگرایی- شناسایی های صحرائی- تونل سازی و فضاهای زیر زمینی- شیب ها و دیوارهای حائل- اصلاح خواص خاک اشاره نمود. در این پژوهش با استفاده از اطلاعات گمانه های حفر شده، داده هایی برای تعیین مشخصات لایه های خاک گردآوری و دسته بندی شد. سپس شبکه عصبی مصنوعی توسط این داده ها آموزش داده شدند. به منظور اطمینان از کارایی شبکه ها در تخمین تغییرات لایه های خاک، اطلاعات تعدادی گمانه برای اولین بار به شبکه ارائه گردید و سپس نتایج حاصل اط شبکه های عصبی با داده های گمانه های آزمایشی مورد مقایسه قرار گرفت که تا حد زیادی با یکدیگر مطابقت دارند.

هوش مصنوعی ،‌ژئوتکنیک ، رفتار غیر خطی ، شبکه عصبی ، مدلهای رفتاری ، روانگرایی