پیش بینی ظرفیت باربری جانبی شمعها در خاکهای رسی با استفاده از ماشین بردار پشتیبان

پیش بینی ظرفیت باربری شمعهای تحت بار جانبی یکی از مسایل اساسی در مهندسی ژیوتکنیک است و تاکنون روشهای متفاوتی برای ارزیابی آن ارایه شده است. ماشین بردار پشتیبان (SVM) یک روش نسبتا0 جدید هوش مصنوعی است که در بسیاری از مسایل ژیوتکنیکی به طور موفقیت آمیزی مورد استفاده قرار گرفته است. این مقاله کاربرد مدل SVM برای پیش بینی ظرفیت باربری جانبی شمعها در خاکهای رسی را شرح میدهد. از نتایج مدلهای کوچک مقیاس آزمایشگاهی شمع های صلب در خاکهای رسی با پارامترهای ورودی قطر شمع (D)، طول مدفون شمع (L)، خروج از مرکز بار (e) و مقاومت برشی زهکشی نشده خاک (Su) برای توسعه و ارزیابی مدل استفاده شده است. ظرفیت باربری جانبی پیش بینی شده توسط مدل پیشنهادی با نتایج حاصل از مدل شبکه عصبی مصنوعی (ANN) و همچنین روشهای تحلیلی Broms و Hansen مقایسه شده است. نتایج نشان از کارایی بهتر مدل SVM نسبت به روشهای مذکور دارد. این مطالعه نشان میدهد که روش SVM یک ابزار جایگزین برای مهندسین ژیوتکنیک به منظور پیشبینی ظرفیت باربری جانبی شمع ها ارایه میدهد.

Keywords:

ماشین بردار پشتیبان (SVM) , ظرفیت باربری جانبی , شمع , مقاومت برشی زهکشی نشده .(Su)