پیش بینی ضریب نفوذ پذیری خاکهای رسی قابل استفاده در هسته سدهای خاکی با استفاده ازشبکه های عصبی مصنوعی

در این مقاله شبکه عصبی مصنوعی Feedforward سه لایه با الگوریتم آموزش Backpropagation برای پیش بینی ضریب نفوذپذیری خاکهای رسی قابل استفاده در هسته سدهای خاکی استفاده شده است.در این مدل ده پارامتر درصد شن، درصد ماسه، درصد ریزدانه، دامنه خمیری، حد روانی، درصد رطوبت بهینه، وزن مخصوص خشک ماکزیمم، رطوبت طبیعی ووزن مخصوص خشک به عنوان ورودی و ضریب نفوذپذیری به عنوان خروجی در نظر گرفته شده است. به عنوان بانک اطلاعاتی مدل از آزمایشهای نفوذپذیری منابع قرضه ریزدانه نه سد خاکی با هسته رسی که در فاز ساخت یا فاز مطالعات می باشند، استفاده شده است. در ادامه اثر نرونهای میانی بر رفتار شبکه به کار رفته بررسی شده وبا توجه به شاخص های خطا، مدل مناسب انتخاب شده است.در نهایت با استفاده از این مدل علاوه بر پیش بینی ضریب نفوذ پذیری، اهمیت نسبی پارامترهای شبکه نیز مورد مطالعه قرار گرفته است. پس از این که اهمیت نسبی پارامترهای مختلف مشخص شد با استفاده از از داد ههای آزمایشی بر روی دو پارامتری که بیشترین اهمیت و تاثیر را بر روی نفوذپذیری داشتند مطالعه پارامتریک (آنالیز حساسیت) انجام شده است

کلیدواژه ها:

نفوذپذیری ، شبکه های عصبی مصنوعی ، خاکهای ریزدانه ، سدهای خاکی ، هسته رسی