کاربرد الگوریتم ژنتیک و شبکه عصبی در ارزیابی ظرفیت باربری خاک های شهری برای برنامه ریزی و مدیریت توسعه شهری

در این پژوهش، یک مدل هوشمند ترکیبی مبتنی بر الگوریتم ژنتیک و شبکه عصبی مصنوعی به منظور تحلیل و پیش بینی ظرفیت باربری خاک های سست مسلح ارائه شده است. روش های سنتی برآورد ظرفیت باربری، عموما متکی بر روابط تجربی یا تحلیل های عددی پرهزینه بوده و در بسیاری از موارد، دقت کافی در شرایط پیچیده خاکی را ندارند. در مدل پیشنهادی، الگوریتم ژنتیک به عنوان یک ابزار بهینه سازی فراابتکاری برای تنظیم و بهبود پارامترهای شبکه عصبی به کار گرفته شد تا دقت پیش بینی ها افزایش یابد. برای آموزش و ارزیابی مدل، مجموعه ای از داده های حاصل از مطالعات آزمایشگاهی و عددی مربوط به خاک های سست مسلح مورد استفاده قرار گرفت. نتایج به دست آمده نشان می دهد که مدل ترکیبی GA–ANN قادر است با دقت بالاتری نسبت به روش های منفرد، ظرفیت باربری را تخمین بزند و همگرایی سریع تری در فرآیند یادگیری داشته باشد. در نهایت، کاربرد این مدل در مهندسی ژئوتکنیک می تواند به عنوان ابزاری کارآمد جهت بهبود طراحی پی ها و افزایش ضریب اطمینان در پروژه های عمرانی مورد استفاده قرار گیرد.

Keywords:

ظرفیت باربری خاک , خاک های سست مسلح , الگوریتم ژنتیک , شبکه عصبی مصنوعی , مدل ترکیبی هوشمند