استفاده از ترکیب شبکه عصبی و الگورتم تکاملی جهت تعیین ظرفیت باربری شمع

علیرغم پیشرفت چشمگیر علم مکانیک خاک و مهندسی ژئوتکنیک ، تعیین ظرفیت باربری شمع ها هنوز با دشواری هایی همراه است . خواص فیزیکی و مکانیکی منحصر به فرد خاک موجب پیچیدگی اندرکنش المان سازهای شمع و خاک اطراف آن می گردد. لذا مدل کردن چنین شرایط پیچیدهای که متغیرهای مختلفی در آن دخالت دارند، به سادگی میسر نیست . با توجه به هزینه نسبتا بالای پی های عمیق (شمع ها)، نیاز به طراحی بهینه شمع ها، پژوهشگران را بر آن داشته است که روشها و شیوههای دیگری را به عنوان مکمل روشهای موجود، برای تعیین ظرفیت باربری پیشنهاد نمایند. استفاده از شبکه عصبی مصنوعی در پیش بینی ظرفیت باربری شمع در چندین پژوهش مورد بررسی قرار گرفت . با این حال، کمبودهای شبکه های عصبی در یافتن جواب عمومی و همچنین سرعت همگرایی آهسته آن، بزرگترین اشکال در اجرای این تکنیک است . مطالعه حاضر با هدف توسعه مدل پیش بینی مبتنی بر شبکه عصبی با استفاده از الگوریتم بهینه سازی ازدحام ذرات به منظور پیش بینی ظرفیت باربری شمع ها انجام شده است . خصوصیات هندسی شمع ، خواص مکانیکی خاک، تعداد ضربات (تعداد ضربه های چکشی ) و انرژی ضربه ای برای هر شمع و نیز نتایج آزمایش بارگذاری ایستا برای هر شمع جمع آوری شد. علاوه بر متغیرهای ذکر شده، برای تعیین تمام پارامترهای پنهان موثر در محاسبه ظرفیت باربری شمع ، از شماره فلپ استفاده شده است . نتایج بدست آمده نشان داد که استفاده از یک الگوریتم بهینه سازی برای کاهش زمان محاسباتی و پیچیدگی برنامه امری اجتناب ناپذیر محسوب می شود و ظرفیت تحمل پیش بینی شده توسط شمع مبتنی بر این الگوریتم ترکیبی با ظرفیت های تحمل اندازه گیری شده تا حد زیادی تطابق دارد. ضریب تبیین برابر با ۹۷/۰ به دست آمد. اجرای مدل های شبکه عصبی مبتنی بر الگوریتم ازدحام ذرات به عنوان ابزاری بسیار معتبر وکارآمد در پیش بینی ظرفیت باربری شمع قابل استفاده است .

Keywords:

پیش بینی ظرفیت باربری شمع , شبکه های عصبی , الگوریتم بهینه سازی , ازدحام ذرات