تعیین شاخص تراکم خاک های رسی با استفاده از سیستم استنتاج فازی-عصبی انطباقی

احداث ساختمان ها و سازه های مختلف، باعث به هم فشرده شدن ذرات خاک و درنتیجه نشست خاک می گردند. یکی از روش های محاسبه میزان نشست، استفاده از شاخص تراکم خاک (Cc) حاصل از نتایج آزمایش تحکیم در خاک های رسی می باشد که انجام این آزمایش نسبتا زمان بر و پرهزینه است. در این خصوص برخی محققان، روابط نیمه تجربی مختلفی ارائه نمودند که این روابط نیز به صورت تک پارامتری مقدار Cc را تعیین می نمایند. با توجه به اینکه Cc رابطه ای غیرخطی با پارامترهای مربوطه دارد و این گونه مسائل غیرخطی و مواردی که نیاز به درک دقیق مسئله دارند را می توان با استفاده از سیستم استنتاج فازی-عصبی انطباقی (ANFIS) پیش بینی نمود. در این مقاله به منظور پیش بینی Cc، دو مدل ANFIS ارائه گردیده است که در ایجاد این دو مدل از خوشه بندی کاهشی (SC) و خوشه بندی Fuzzy c-means (FCM) استفاده شده است. پارامترهای ورودی این مدل ها، مشابه با پارامترهایی می باشند که در اکثر روابط نیمه تجربی ارائه شده برای Cc به کاربرده شده است؛ این پارامترها شامل نسبت تخلخل اولیه (e۰)، حد روانی (LL) و حد خمیری (PL) می باشند که در آزمایشگاه به راحتی قابل تعیین هستند. نتایج به دست آمده نشان دادند که هر دو مدل ANFIS دارای قابلیت بالایی برای پیش بینی Cc با ورودی های انتخابی بوده و همچنین توانسته اند پیش بینی نسبتا مناسب و قابل قبولی را ارائه دهند.

Keywords:

ANFIS , compression index , Prediction , Subtractive clustering , Fuzzy c-means clustering , Adaptive Neuro-Fuzzy Inference System , شاخص تراکم خاک , پیش بینی , خوشه بندی کاهشی , خوشه بندی Fuzzy c-means