تخمین ضریب فشار جانبی ماسه ها با استفاده از آزمایش نفوذ مخروط در محفظه کالیبراسیون و شبکه عصبی مصنوعی

تعیین دقیق و مناسب پارامترهای خاک همواره در طراحی های ژئوتکنیکی مورد توجه بوده است. پیش بینی دقیق پارامترهای تاثیرگذار ماسه از آزمایشات برجا نظیر (CPT)، یکی از چالشی ترین مسایل در مهندسی ژئوتکنیک است. در این تحقیق با استفاده از نتایج آزمایش کالیبراسیون نفوذ مخروط که در دانشگاه ها و موسسات معتبر انجام شده اند و همچنین سیستمی متشکل از سه نوع شبکه عصبی مصنوعی، پارامتر ضریب فشار جانبی ماسه در حالت سکون(K0) برای انواع مختلف ماسه های موجود در پایگاه داده جمع آوری شده، به طور نسبتا دقیقی پیش بینی شده است. در این سیستم مجموعه ای از شبکه های عصبی به طور سری وظایفی انجام می دهند و در نهایت با ترکیب مناسب این شبکه ها، سیستم قادر خواهد بود که پارامتر(K0) را با دقت مناسب برای خاک های ماسه ای مورد بررسی در پایگاه داده، پیش بینی نماید. در این روش از شبکه عصبی خودسازمانده (SOM) برای خوشه بندی مناسب داده ها، از شبکه عصبی احتمالاتی (PNN) برای کلاسه بندی ماسه و در نهایت از شبکه عصبی چندلایه با الگوریتم پس انتشار(BP) برای مدل نهایی، استفاده می گردد. جزییات ایجاد و به کارگیری چنین سیستمی در مقاله شرح داده شده و همچنین در پایان، نتایج بدست آمده از این سیستم با نتایج سایر محققین مقایسه گردیده است.