تخمین دانسیته نسبی ماسه ها بااستفاده ازآزمایش کالیبراسیون نفوذمخروط وشبکه عصبی مصنوعی

امروزه باتوجه به پیشرفتهای چشمگیردرتکنیکهای داده کاوی و همچنین وجود پایگاه داده های عظیم ومعتبرازآزمایشات برجانظیرcpt پیش بینی دقیق پارامترهای تاثیرگذارخاک ها ازنتایج چنین آزمایشاتی یکی ازمباحث مورد علاقه درمهندسی ژئوتکنیک است دراین تحقیق با استفاده ازنتایج کالیبراسیون نفوذمخروط که دردانشگاهها و موسسات معتبر انجام شد هاند وهمچنین سیستمی متشکل ازانواع شبکه های عصبی مصنوعی پارامتر دانسیته نسبی درماسه با دقت مناسبی پیش بینی شده است سیستم پیشنهادی بااستفاده ازشبکه های عصبی قادر خواهد بود که تنها براساس پارامترهای قابل اندازه گیری و دردسترس تخمین مناسبی ازپارامترمزبور را ارایه دهد دراین روش ازشبکه عصبی خودسازمانده SOM برای خوشه بندی مناسب داده ها و ازشبکه عصبی چندلایه با الگوریتم پس انتشارBP برای مدل نهایی استفاده میگردد جزئیات ایجادوبه کارگیری چنین سیستمی درمقاله شرح داده شده و همچنین درپایان نتایج بدست آمده ازاین سیستم بانتایج سایرمحققین مقایسه گردیده است