قادر باقری - دانشجوی دکتری عمران، دانشگاه آزاد اسلامی واحد زنجان
حمید شعبانزاده - عضو هیئت علمی دانشکده فنی و مهندسی دانشگاه آزاد اسلامی واحد زنجان
اصغر رسولی - دانشجوی دکتری عمران، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران

یکی از مهمترین پارامترهای مود نیاز جهت طراحی در سازه های بزرگ، به خصوص در سازه های آبی، نفوذپذیری درخاک و زمین ساختگاه می باشد. امروزه روشهای مختلفی برای تعیین این ضریب در محل و یا در آزمایشگاه با توجه به نوع خاک وجود دارد. پارامترهای مختلف زیادی در میزان نفوذپذیری خا ک مؤثر م یباشند. جهت تعیین آزمایشگاهی ضریب نفوذپذیری خا کهای ریزدانه از آزمایش نفوذپذیری با هد متغیر اسفاده می گردد که بدلیل پایین بودن ضریب نفوذپذیری خاک های ریزدانه، این آزمایش زمان بر خواهد بود. در این مقاله با انجام آزمایش های متعدد بر روی انواع خا کهای ریزدانه، مشخصات فیزیکی خا کهای ریزدانه به همراه نفوذپذیری آنها تعیین شده و سپس بر اساس پردازش نتایج بدست آمده، امکان استفاده از شبکه عصبی مصنوعی تابع بنیادی شعاعی RBFNN)و شبکه عصبی رگرسیون توسعه یافتهGrnn) به منظور برآورد بین ضریب نفوذپذیری خاک های ریزدانه با استفاده از پارامترهای فیزیکی خاک بررسی شده است. نتایج حاصل نشان می دهد که با درصد خطای قابل قبول می توان با استفاده از پارامترهای فیزیکی خاک و به کمک هوش مصنوعی، ضریب نفوذپذیری خاک های ریزدانه را تعیین نمود

نفوذپذیری، پارامترهای فیزیکی خاک، خاک های ریزدانه، شبکه عصبی مصنوعی