شهران انگردی - گروه مهندسی عمران ، واحد تبریز ، دانشگاه آزاد اسلامی ، تبریز ، ایران
رضا قلی اجلالی - گروه مهندسی عمران ، واحد تبریز ، دانشگاه آزاد اسلامی ، تبریز ، ایران

طی چندین سال اخیر، شبکه های عصبی مصنوعی ANNS به طور موفقیت آمیزی برای مدل سازی تقریبا همه جوانب مسائل مهندسی ژئوتکنیک استفاده شده اند. ضمن اینکه شبکه های عصبی مصنوعی وعده های بسیاری را عرضه کرده اند، اما ضعف هایی در استخراج دانش، تعمیم دهی و عدم قطعیت دارند، در این تحقیق الگوریتمی جهت مدل سازی و تخمین رطوبت بهینه خاک تحت نرم افزار MATLAB با شبکه عصبی مصنوعی ارائه می شود. شبکه استفاده شده در این تحقیق از نوع پرسپترون چند لایه با پس انتشار خطا می باشد. شبکه دارای یک لایه ورودی و یک لایه میانی و یک لایه خروجی بوده و تحت تابع تحریک سیگموئیدی کار میکند.لایه ورودی شامل 3 نرون ، لایه میانی شامل 15 نرون ولایه خروجی حاوی یک نرون می باشد. 21 نمونه که قبلا نتایج آزمایشگاهی آنها استخراج شده بود جهت مدل سازی (ش ، ارزیابی و تست) شبکه مورد استفاده قرار گرفتند، نمودار تابع خروجی تحت تابع هدف و همچنین مقدار متوسط مربع خطای خروجی MSE برابر 0/2762 درصد، و همچنین صحت سنجی داده ها بصورت حداقلی و حداکثری و میانگینی نشان دهنده مورد قبول بودن نتایج حاصل از تخمین شبکه طراحی شده می باشد.

رطوبت بهینه ، ژئوتکنیک ، شبکه های عصبی مصنوعی ، پرسپترون