بررسی رفتار مصالح شن دار در بارگذاری زهکشی نشده مونوتونیک با استفاده از شبکه های عصبی مصنوعی

این مقاله امکان توسعه و بکارگیری شبکه های عصبی مصنوعی در مدل سازی نتایج آزمایش های مونوتونیک سه محوری قطر بزرگ روی انواع مصالح سنگریزه ای تیزگوشه، گردگوشه و مصالح شنی با درصدهای مختلف ریزدانه بهکار رفته در بدنه سدهای مهم کشور را ارائه می دهد. در ابتدا قابلیت شبکه های عصبی مصنوعی(ANNs) در مدل سازی منحنی های رفتاری تنش تفاضلی- اضافه فشار آب حفره ای - کرنش محوری بررسی شده است که دلالت بر قابلیت نسبتا مناسب مدل در شبیه سازی رفتار مصالح شن دار دارد. بانک اطلاعات بکار رفته در شبکه، شامل 52 گزینه مختلف آزمایش سه محوری کرنش-کنترل تحت شرایط زهکشی نشده است. برای مسئله مورد نظر، یک برنامه شبکه های عصبی مصنوعی پیشخوراند سه لایه پرسپترون (MLP) در محیط MATLAB7 نوشته شد و شبکه بهینه (تعداد لایه های مخفی، تابع تبدیل و نوع آموزش شبکه) به طریق سعی و خطا، و با توجه به شاخص های خطا و تطابق با داده های آزمایشگاهی انتخاب شد. پارامترهای ورودی شبکه شامل تنش محدود کننده، دانسیته و درصد رطوبت بهینه، توزیع اندازه دانه ها و نرخ ایجاد کرنش می باشد. نتایج نشان می دهد که ANNs قابلیت بسیار مناسبی در تخمین منحنی های رفتاری یاد شده در کلیه موارد بررسی شده دارد. در ادامه قابلیت شبکه های عصبی مصنوعی(ANNs) در بدست آوردن حداکثر زاویه اصطکاک داخلی و نتاطی از منحنی های رفتاری شامل تنش های تفاضلی حداکثر و پسماند و اضافه فشارهای آب حفره ای در کرنش های نظیر بررسی شد. ضمنا از قابلیت تعمیم شبکه عصبی مصنوعی برای بررسی موارد آزمایش نشده مثل اثر تغییرات دانسیته و درصد کوچک تر از mm 2/0 هم بهره گرفته شد.