حمیدرضا حسن نژاد - دانشجوی کارشناسی ارشد ژئوتکنیک دانشگاه آزاد اسلامی واحد نجف آباد
محمد سیروس پاکباز - دانشیار دانشکده عمران دانشگاه شهید چمران اهواز
رسول مهدی زاده - استادیار دانشکده ی عمران دانشگاه آزاد اسلامی واحد نجف آباد

در این تحقیق، از الگوریتم لونبرگ -مارکوآرت ٤ و الگوریتم ژنتیک ٥ در آموزش شبکهی عصبیمصنوعی به منظور یشبینی طبقهبندی جنس خاک استفاده و خروجی حاصل از آموزش آنها، مورد ارزیابی قرار گرفتهاست. دادههای مورد استفاده شامل نتایج حاصل از آزمایشهای ضربه و نفوذ استاندارد ٦، طبقهبندی و حدود اتربرگ میباشد. به دلیل وجود روشهای آموزشی متنوع در شبکهی عصبی، انتخاب بهینهترین روش آموزشی میتواند دقت پیشبینیهای شبکه را افزایش دهد. بدین منظور جهت ارزیابی عملکرد الگوریتمهای مطرح شده در شبکهی عصبی مصنوعی، روابط ضریب جرم باقیمانده ٧، ضریب تعیین ٨ و مجذور میانگین ٩ مربعات خطا بکار گرفته شدهاست. مقایسه و ارزیابی آموزش با الگوریتمهای فوق نشان میدهد استفاده از الگوریتم آموزشی لونبرگ -مارکوآرت با دقت بسیار بالا در آموزش شبکه، بهینهترین الگوریتم آموزشی مورد استفاده در پیش- بینی پارامترهای ژئوتکنیکی خاک از جمله جنس خاک می باشد

شبکهی عصبی مصنوعی، پیشبینی طبقهبندی جنس خاک، الگورتیم لونبرگ -مارکوآرت، الگوریتم ژنتیک