علی کمک پناه - دانشیار بخش عمران، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران
سهیل بختیاری - کارشناس ارشد مهندسی خاک و پی، دانشگاه تربیت مدرس، تهران

در این تحقیق روشی نوین با استفاده از قابلیت شبکه عصبی مصنوعی برای پیش بینی پارامترهای تزریق استفادهشده است. در این رشو شبکه تک لایه پرسپترون به عنوان یکی از پر کاربردترین انواع شبکه های عصبی، به کار گرفته شده است. از داده های سد اردبیل برای آموزش و آزمایش شبکه استفاده شده و با استفاده از دو روش میانگین – انحراف معیار و انتقال خطی این داده ها نرمالیزه شده اندو نتایج حاصل ازاین دو روش بر اساس شاخصهای ارزیابی معرفی شده با یکدیگر قیاس شده اند که منجر قه انتخاب تعداد نرون بهینه برای لایه میانی شده است. لازم به ذکر است که پارامترهای عمق، RQD، فشار آب لوژان به عنوان پارامترهای ورودی و پارامترهای مدت زمان تزریق، فشار تزریق و سیمان مصرفی به عنوان پارامترهای خروجی در نظر گرفته شده اند. اگرچه این پیش بینی برای سایر گمانه های سد مذکور قابل استفاده است ولی می توان از آن برای ساختگاه جدید با مشخصات حفاری جدید نیز استفاده کرد.

عملیات تزریق ، پارامترهای ورودی ، پارامترهای خروجی ، شبکه عصبی ، پرسپترون ، پس انتشار خطا