مقایسه و ارزیابی الگوریتمهای آموزشی شبکه ی عصبی مصنوعی در پیشبینی طبقه بندی جنس خاک

در تحقیق حاضر از الگوریتمهای آموزشی مختلف شبکهی عصبی مصنوعی به منظور پیشبینی طبقهبندی جنس خاک، استفاده وخروجی حاصل از آموزش آنها، مورد ارزیابی قرار گرفتهاست . در این مقاله مطالعات بر روی خاک منطقهای از شهرکرد صورت گرفته و ازیک بانک داده مشتمل بر 021 نمونه خاک استفاده شده است. دادههای مورد استفاده شامل نتایج حاصل از آزمایشهای ضربه و نفوذاستاندارد 0 ، طبقهبندی و حدود اتربرگ میباشد. به دلیل وجود الگوریتمهای آموزشی متنوع در شبکهی عصبی، انتخاب بهینهترین تابع آموزشی میتواند دقت پیشبینیهای شبکه را افزایش دهد. بدین منظور از چندین تابع و الگوریتم آموزشی در مدلسازی شبکهی عصبیمصنوعی استفاده و جهت ارزیابی عملکرد مدلهای ارائه شده، روابط ضریب جرم باقیمانده 2 ، ضریب تعیین 3 و مجذور میانگین مربعات خطا 4بکار گرفته شدهاست. مقایسه و ارزیابی آموزش با الگوریتمهای مختلف نشان میدهد استفاده از تابع آموزشی لونبرگ مارکوآرت - 5 با دقت بسیار بالا در آموزش شبکه، بهینهترین تابع آموزشی مورد استفاده در پیش بینی پارامترهای ژئوتکنیکی خاک از جمله جنس خاک می باشد.

کلیدواژه ها:

شبکهی عصبی مصنوعی ، پیشبینی جنس خاک ، الگوریتم لونبرگ مارکوآرت ، الگوریتم آموزشی شبکه عصبی