موسی اکبرزاده - دانشجوی کارشناسی ارشد ژیوتکنیک، دانشکده فنی و مهندسی، گروه عمران، دانشگاه آزاد اسلامی واحد تبریز، تبریز، ایران
رضاقلی اجلالی - استادیار دانشکده فنی و مهندسی، گروه عمران، دانشگاه آزاد اسلامی واحد تبریز، تبریز، ایران

رمبندگی به ریزش ناگهانی خاک در اثر از دست رفتن مقاومت عامل پیوند دهنده ذرات خاک اطلاق می شود و میزان رمبندگی ایجاد شده وابسته به نسبت تخلخل و رطوبت اولیه خاک است. در خاک های رمبنده تحت تنش یکسان، با افزایش درصد رطوبت ضمن نشست قابل توجه، کاهش چشمگیری در ظرفیت باربری خاک مشاهده می شود. مهمترین متغیرهای موثر در ارزیابی پتانسیل ریزش عبارتند از: وزن مخصوص خشک ، آب محتوی اولیه، فشار آب کاربردی، درصد رس محتوی، درصد ماسه محتوی و ضریب یکنواختی. در این پژوهش از نرم افزار MATLAB جهت تعیین و تخمین پتانسیل رمیندگی توسط شبکه عصبی مصنوعی (ANN) استفاده شده است. شبکه های عصبی در سالهای اخیر گسترش قابل توجهی در تحلیل مسایل مختلف مهندسی ژیوتکنیک داشته و توانایی خود را در حل مسایل پیچیده به اثبات رسانیده است. محدوده مطالعاتی این پژوهش شهر سمنان می باشد که 36 نمونه از نتایج گزارشات آزمایشگاهی ژیوتکنیک مربوط به این منطقه که قبلا نتایج آنها استخراج شده بود جهت مدلسازی (آموزش، ارزیابی و تست) مورد استفاده قرار گرفت. در این مدلسازی پارامترهای ژیوتکنیکی از معیار فدا می باشند استفاده شده است. در میان 5 مدل شبکه عصبی طراحی شده با توجه به نتایج آنالیز حسیاست انجام گرفته مدل شماره 1 با 3 ورودی بعنوان شبکه نهایی و بهینه انتخاب گردیده است. در نهایت پس از تحلیل شبکه توسط نرم افزار با توجه به نمودارها و داده های تابع خروجی، نتایج استخراج می شوند.

پتانسیل رمبندگی، معیار فدا، شبکه های عصبی مصنوعی، MATLAB، آنالیز حساسیت