بررسی عوامل موثر در پتانسیل روانگرایی براساس معیار انرژی کرنشی با استفاده مدل های هوشمند

پیش بینی بروز رونگرایی بدلیل آسیب های بزرگی که وارد می کند اهمیت فراوانی دارد. با توجه بدقت بالای مدل های هوشمند در بررسی پدیده های پیچیده در پژوهش حاضر از مدل های هوشمند ANFIS,ANN جهت پیش بینی بروز روان گرایی استفاده شد. برای هر مدل هوشمند شش حالت متفاوت از ورودی های تاثیرگذار بر روانگرایی در نظر گرفته شد. مقایسه نتایج با داده های مشاهداتی نشن داد که هر دو مدل قابلیت بالایی دارند ودر حالتی که داده های ورودی به مدل های هوشمند شامل میانگین اولیه فشار محصور خاک، تراکم ونسبی اولیه پس از تثبیت، درصد مطلوب حجم، ضریب یکنواختی، میانگین اندازه دانه، ضریب انحنا بودند بالاترین دقت بدست آمد.

Keywords:

پدیده روانگرایی , شبکه عصبی , نرو فازی , پیش بینی