توسعه مدل پیش بینی مدول برجهندگی خاک های رسی تثبیت شده با استفاده از شبکه عصبی مصنوعی

مدول برجهندگی خاک یکی از شاخص‎های مهم در طراحی روسازی راه‎هاست که نقش بسیار مهمی در تعیین ضخامت روسازی دارد. تعیین مدول برجهندگی خاک‎ها به روش مستقیم و بر اساس نتایج آزمایشگاهی به دلیل هزینه‎های بالای آن از جهت تجهیزات و نیروی انسانی معمولا مقرون به صرفه نیست. لذا بر پایه اطلاعات میدانی گذشته می‎توان بر اساس روش‎های هوش مصنوعی اقدام به پیش‎بینی و تعیین این شاخص بر اساس داده‎های ورودی نمود. هدف از این مقاله توسعه مدلی جهت پیش‎بینی مدول برجهندگی خاک‎های رسی تثبیت شده با استفاده از شبکه عصبی مصنوعی است. بدین منظور 4 نمونه خاک مختلف تثبیت شده با افزودنی‎هایی نظیر آهک، خاکستر بادی و غبار کوره سیمان مورد بررسی قرار گرفتند. در این مقاله از داده‎های گزارش شده در پیوست طراحی روسازی به روش آشتو 2002 استفاده شد. با مقایسه خروجی‎های بدست آمده با داده‎های واقعی بر اساس شاخص‎های آماری همچون ضریب رگرسیون و جذر میانگین مربعات خطا مشخص شد که در همه موارد نتایج مطلوبی بدست آمد. مقدار ضریب رگرسیون 99/0 و جذر میانگین مربعات خطا کمتر از 6 درصد نشان از دقت بالای مدل توسعه داده شده در پیش‎بینی مدول برجهندگی خاک‎های تثبیت شده دارد.