ارزیابی ضریب نفوذ پذیری خاک های درشت دانه با شبکه تابع بنیادی شعاعی(RBF)و شبکه عصبی رگرسیون توسعه یافته(GRNN)

ضریب نفوذپذیری در خاک، یکی از مهمترین پارامترهادر مباحث ژیوتکنیکی است. قانون حاکم بر مدل های تحلیلی و رفتاری در مسیله تراوش، قانون دارسی مبتنی بر هویت مقدار ضریب نفوذپذیری است. به منظور تعیین این ضریب در آزمایشگاه از روش های بارآبی ثابت برای خاک های درشت دانه و بارآبی افتان در مورد خاک های ریز دانه استفاده می نمایند که هر دو آزمایش مستلزم صرف هزینه و زمان قابل توجهی می باشد. روش هایی برای اندازه گیری توزیع اندازه دانه ها در خاک در روش سنتی در مهندسی خاک استفاده از الک و آزمایش آب سنجی است.در این تحقیق سعی خواهیم نمود با استفاده از مدل شبکه های عصبی و براساس نتایج آزمایش دانه بندی در خاک های درشت دانه روشی جدیدی به شکل مدل تجربی جهت تعیین ضریب نفوذپذیری خاک های درشت دانه ارایه نمود که در صورت موفقیت می تواند از صرف هزینه و زمان طولانی اجتناب نمود.بهترین پیش بینی در مدل GRNN با 5 نورون نسبت به نتایج آزمایشگاهی با ضریب همبستگی 9991/0 بوده است.با دقت در مدل Nftool نیز کمترین میزان خطاهای در این مدل نسبت به ضریب نفوذپذیری آزمایشگاهی با 10 نورون بوده است.همچنین مشاهده شد در مدل RBF نیز با 5 نورون نسبت به نتایج آزمایشگاهی ضریب همبستگی آن 9995/0 به دست آمده است که نسبت به مدل Nftool با5 و 10نورون ضریب نفوذپذیری به نتایج آزمایشگاهی نزدیکتر است.

Keywords:

شبکه های عصبی , دانه بندی , ضریب نفوذپذیری و برنامه MATLAB