حامد پورعزیز - دانشجوی کارشناسی ارشد عمران ژئوتکنیک دانشگاه آزاد اسلامی واحد علوم و تحقیقات آذربایجان غربی
بهرنگ دیلمقانی - هیئت علمی دانشگاه آزاد اسلامی واحدنقده

روشهای مختلفی جهت محاسبه ظرفیت باربری نهایی پی های عمیق و تخمین ظرفیت باربری شمع ها تحت اثربارهای جانبی وجود دارد ازمیان آن روشها میتوان به روشهای تحلیلی - تجربی که توسط افرادی نظیر برامز، تامیلنسون ،پولوس و.... پیشنهاد شدها ست اشاره کرد روشهای عددی المان نیزبابهره گیری ازتئوریهای الاستیک - پلاستیک قادر به تلحیل انواع پی ها باشرایط مرزی گوناگون میباشند دراین میان روش هوش مصنوعی که بااستفاده ازتکنیک شبکه عصبی مصنوعی که درآن ازبانک داده های حاصل ازمدلسازی های فیزیکی و عددی استفاده شده باشدمیتواند جهت دستیابی به این هدف مورداستفاده قرارگیرد دراین تحقیق بااستفاده ازپارامترهای بدست آمده ازگمانه های حفرشده درسطح شهرارومیه تعداد 299 حالت مختلف تحلیل شمع منفرد توسط نرم افزار PLAXIS صورت گرفت که ازآنها درتربیت شبکه عصبی استفاده شده است متغیرهای ورودی و نتایج ظرفیت باربری حاصل ازمدلسازی عددی به ترتیب داده های ورودی و مقادیر هدف را برای شبکه عصبی تامین می کنند درادامه شبکه های عصبی مصنوعی مختلفی همچون شبکه عصبی مصنوعی شعاعی شبکه عصبی پرسپترون چندلایه با الگوریتم های اموزش لونبرگ مارکارد و پس انتشارخطای بیزین و همچنین مدل رگرسیون درخت تصمیم جهت تخمین ظرفیت باربری شمع تحت بارافقی اموزش و ازمایش گردید

ظرفیت باربری ، شمع های منفرد ، خاکهای لایه ای ، شبکه عصبی مصنوعی