برآورد مشخصات دینامیکی سدهای خاکی با استفاده از شبکه عصبی مصنوعی

در این مقاله ابتدا به تشریح تعدادی از روابط معمول در برآورد فرکانس طبیعی سدهای خاکی تشریح، سپس با اشاره به توانایی شبکه عصبی (Neural Network) در قدرت یادگیری از محیط و توانایی تعمیم دهی، انواع مختلف شبکه های مذکور در حل مسائل پیچیده بیان گردیده است. از بین شبکه های مختلف، شبکه عصبی پرسپترون به دلیل کاربردهای موفق در حل مسائل مختلف مهندسی با جزئیات بیشتری تشریح شده است. در ادامه، ضمن شرح مختصر مطالعه موردی انجام شده در زمینه بررسی توانایی شبکه عصبی پرسپترون در پیش بینی پاسخ و رفتار مصالح یک سد خاکی در زمان وقوع زمین لرزه، کاربرد شبکه های عصبی در تخمین توابع و برآورد مشخصات دینامیکی سدهای خاکی بررسی گردیده است. بدین منظور، ابتدا اولین فرکانس مودی 50 سد خاکی همگن با مشخصات هندسی فرضی با استفاده از رابطه تجربی اونر به دست آمد و در آموزش 5 شبکه عصبی مختلف مورد استفاده قرارگرفت. نتایج به دست آمده حاکی از توانایی زیاد شبکه عصبی در تخمین توابع پیچیده حتی با تعداد داده های کم می باشد.
در ادامه مطالعات، یک شبکه عصبی پرسپترون با استفاده از فرکانسهای مودی 24 سد خاکی مختلف در دنیا که از نتایج آزمایشهای ارتعاش اجباری، محیطی و نگاشتهای زمین لرزه های ضعیف جمع آوری گردیده، آموزش داده شد. نتایج مطالعات مذکور نشان می دهد که با وجود کم بودن تعداد داده های در دسترس از فرکانس های اندازه گیری شده سدهای خاکی، نتایج پیش بینی شبکه عصبی از دقت مناسبی برخوردار است و در برخی موارد، فرکانس طبیعی سد را دقیقتر از برخی روابط تجربی برآورد می کند. طبیعی است که با افزایش داده های آموزشی و همچنین افزایش پارامترهای ورودی مؤثر در رفتار دینامیکی سد می توان به شبکه ای با قدرت تعمیم دهی بیشتر دست یافت.