استفاده از شبکه های عصبی شبه نیوتن برای تخمین جنس لایه های خاک-مطالعه موردی شبکه معابر منطقه 22شهر تهران(پل s-18)

پیش بینی الگوی رفتاری ساختارهای خاکی با توجه به مشاهدات قبلی از مسائل اساسی در مهندسی ژئوتکنیک است(بنی مهد و یثربی 1382) . قبل از طراحی یک سازه ، باید از شرایط تحت الارضی منطقه مورد نظر ، شناخت کافی داشت. حفر گمانه های اکتشافی برای تشخیص نوع خاک در یک منطقه مشخصی ، وقت گیر و هزینه بر است. روش های مرسوم برای بررسی ارتباط بین گمانه ها قابلیت اعتماد بالایی ندارند. شبکه های عصبی توانایی زیادی در تخمین روابط غیرخطی دارند. neuro intelligence یک نرم افزار تخصصی در بحث شبکه های عصبی است. هدف از این مقاله ، ارائه روشی برای پیش بینی جنس خاک در حد فاصل بین گمانه ها بوده است. برای انجام این تحقیق از اطلاعات گمانه های شبکه معابر منطقه 22 تهران (پلs-18) واقع در غرب تهران استفاده شده است. مختصات لایه ها به عنوان ورودی و جنس لایه ها به عنوان خروجی شبکه انتخاب شده اند. از الگوریتم شبه نیوتن نیز برای اموزش شبکه استفاده شده است. درصد درستی پیش بینی به دست امده برای داده های تست، 67/89 بوده است.

کلیدواژه ها:

گمانه اکتشافی ، Neuro Intellhgence ، شبکه عصبی مصنوعی ، الگوریتم شبه نیوتن