هادی شمس - دانشجوی کارشناسی ارشد عمران، گرایش خاک وپی، دانشگاه آزاد اسلامی واحد ا
محسن اژدری - استادیار دانشگاه آزاد اسلامی واحد استهبان
سیدمحمدعلی زمردیان - استادیار دانشگاه آزاد اسلامی واحد استهبان

دراین تحقیق به پیش بینی بیشترین تغییر شکلهای ایجاد شده در دیوارهای نگهدار میخکوبی شده گودبرداریهای عمیق بوسیله یک شبکه عصبی مصنوعی پرداخته شده است. درابتدا عناصر تشکیل دهنده دیوار میخکوبی شده، براساس آیین نامهFHWA طراحی شده است. سپس با استفاده از نتایج طراحی، تحلیل های عددی اجزاء محدود متعددی به منظور دستیابی به رفتار تنش-کرنش دیوار های مختلف میخکوبی شده توسط نرم افزار Phase2 و به صورت دوبعدی انجام شده است. پس از مشخص شدن داده های بدست آمده از تحلیل عددی انجام شده توسط نرم افزار مذکور با استفاده ازاین بانک داده ها به آموزش شبکه عصبی با الگوریتم پس انتشار خطا پرداخته شده است. در این شبکه عصبی، ارتفاع دیوار، ضریب ارتجاعی خاک، زاویه اصطکاک داخلی خاک، وزن مخصوص خاک، فاصلهمیخها از یکدیگر و قطر و طول میخها به عنوان نرونهای ورودی وجابجائی وضریب اطمینان بعنوان نرونهای خروجی شبکه استفاده می شود. شبکه تربیت یافته به خوبی قادر به پیش بینی تغییر شکل افقی وضریب اطمینان دیوارهایی که در طی آموزش به شبکه معرفی شده اند، می باشد. همچنین نتایج تحلیلهای جدید که شبکه در طی آموزش با آنها برخورد نداشته است، توسط شبکه تربیت شده با دقت قابل قبول پیش بینی شدند

تغییرشکل، گودبرداری، دیوارحائل، میخکوبی، شبکه عصبی مصنوعی