استفاده از شبکه های عصبی مصنوعی در تخمین ظرفیت باربری شالوده های سطحی واقع بر بسترهای چند لایه چسبنده

تخمین ظرفیت باربری شالوده های سطحی، موضوع بسیاری از تحقیقات در حوزه مکانیک خاک و پی بوده است. روش های متعددی به منظور دستیابی به این هدف توسط برخی محققین برجسته پیشنهاد شده که اغلب در مورد بسترهای همگن و یا دو لایه بوده است؛ در حالی که به طور کلی خاک یک محیط همگن و ایده آل نیست و در بسیاری موارد مدل سازی بستر خاکی به صورت یک بستر چند لایه، منجر به دستیابی به نتایج بهتری خواهد شد. متداول ترین روش در تخمین ظرفیت باربری شالوده های واقع بر بسترهای چندلایه، روش های عددی المان محدود و تفاضل محدود است. در این میان، تکنیک شبکه های عصبی مصنوعی نیز که در آن از بانک داده های حاصل از مدل سازی های فیزیکی و عددی استفاده شده باشد، می تواند جهت دستیابی به این هدف مورد استفاده قرار گیرد. یکی از برتری های این روش نسبت به روش های دیگر، سرعت و سادگی استفاده از آن است. در این مقاله، مدلی بر پایه شبکه های عصبی مصنوعی پرسپترون چند لایه و بر حسب پارامترهای چسبندگی و زاویه اصطکاک داخلی خاک و نیز شرایط هندسی مسئله شامل ضخامت لایه های خاک. و عرض شالوده ارائه شده که قادر است ظرفیت باربری شالوده های واقع بر بسترهای لایه ای را تخمین بزند. در ادامه، روش رگرسیون چند متغیره که قادر است با برازش از میان نتایج حاصل از مدل سازی عددی، رابطه ای کاربردی بین پارامترهای ورودی و ظرفیت باربری نهایی برقرار نماید، معرفی شده است. نتایج ظرفیت باربری حاصل از شبکه عصبی و روش رگرسیون چند متغیره نشانگر عملکرد مناسب آنها در تخمین ظرفیت باربری شالوده های سطحی روی بسترهای چند لایه است که می تواند منجر به ارائه روابطی کاربردی جهت تخمین ظرفیت باربری شالوده های سطحی شود.