پریسا محمدیرزی - دانشجوی کارشناسی ارشد دانشگاه مقدس اردبیلی
مهزاد اسمعیلی فلک - استادیار دانشگاه آزاد اسلامی واحد تهران شمال
رضا سرخانی بنماران - کارشناسی ارشد دانشگاه تبریز

در این مقاله به بررسی پیش بینی پتانسیل تورم خاک های متورم شونده بهبود یافته توسط نانومواد با استفاده از روش های محاسباتی نرم پرداخته شده است. پیش بینی دقیق رفتار تورمی خاک های کسترده، یک چالش مداوم در عمل و طراحی مهندسی ژئوتکنیک است. خاک های متورم حاوی مواد معدنی رسی مانند مونتوریلونیت هستند که مقادیر قابل توجهی آب را جذب می کنند و باعث تغییر حجم قابل توجهی یا تورم می شوند که می تواند به سازه های مهندسی آسیب برساند. ادغام نانومواد مانند نانو در کاهش پتانسیل تورم خاک های منبسط امیدوار کننده بوده است که در این تحقیق از نانوسیلیس جهت بهبود رفتلر تورمی خاک متورم شونده استفاده شده است. جهت پیش بینی تاثیر سیلیس در رفتار خاک از دو نوع شبکه عصبی مصنوعی (ANN) و ترکیب آن با الگوریتم بهینه سازی اجتماع ذرات (ANNPSO) استفاده شده است. نتایج عددی حاصل از آنالیز داده ها در محیط نرم افزار متلب نشان داد که مقادیر پیش بینی از مدل های ANNPSO نسبت به مقادیر به دست آمده از مدل های ANN، دارای مطابقت بسیار بهتری با مقادیر تجربی هستند. هر دو مدل شبکه عصبی ANN و ANNPSO می توانند به طور رضایت بخشی برای پیش بینی درصد تورم و فشار تورم در خاک های متورم شونده تثبیت شده با نانو مواد، به عنوان یک جایگزین سریع و ارزان برای تکنیک های آزمایشگاهی استفاده شوند. با توجه به وجود هزینه های بالای انجام آزمایش های موردنظر، استفاده از شبکه عصبی جهت پیش بینی، روشی قابل قبول و مورد اطمینان مشاهده شد. در حالت ترکیبی شبکه عصبی با الگوریتم اجتماع ذرات نتایج برآورد بهبود یافتند. اضافه کردن هر میزان نانوسیلیس باعث بهبود خاصیت تورم خاک نمی گردد بلکه دارای مقدار بهینه ایست که در این داده ها به میزان ۰.۵۵% بهینه ترین حالت در کاهش تورم خاک متورم شونده است.

بهسازی خاک با نانومواد، نانوسیلیس، شبکه های عصبی، الگوریتم بهینه یابی اجتماع ذرات (PSO)