دانیال رضازاده عیدگاهی - دکتری مهندسی ژئوتکنیک، دانشگاه سمنان، سمنان، ایران
محمدعلی معروف - دانشجوی دکتری مهندسی ژئوتکنیک، دانشگاه شهید بهشتی، تهران، ایران
احمدرضا محبوبی - دانشیار گروه مهندسی ژئوتکنیک، دانشکده عمران، آب و محیط زیست، دانشگاه شهیدبهشتی، تهران، ایران

نسبت تخلخل کمینه و بیشینه و تراکم نسبی از شاخصهای مهم به منظور تخمین پارامترهای مهندسی خاک به شمار میرود. نتایج آزمونهای تراکم کمینه و بیشینه انجام شده بر روی ماسه ها نشانگر اثر شکل منحنی دانهبندی و شکل دانه های خاک بر نسبت تخلخل کمینه و بیشینه میباشد. اندازه گیری نسبت تخلخل کمینه و بیشینه به ویژه برای دانه های با اندازه ی شن، نیازمند صرف هزینه و زمان زیادی بوده و میتوان با استفاده از مورفولوژی دانه ها و دانهبندی آن نسبت تخلخل کمینه و بیشینه را تخمین زد. در این پژوهش سعی شده است با استفاده از روش محاسبات نرم بر مبنای شبکه عصبی مصنوعی، نسبت تخلخل کمینه و بیشینه خاکهای دانه ای به مقادیر کرویت، گردگوشگی دانه ها و ضریب یکنواختی خاک مرتبط شوند. جهت بررسی کارآیی مدل توسعه یافته، پارامترهای ضریب همبستگی (R) و مقدار میانگین مجذور خطا (MSE) مورد بررسی قرار گرفتهاند. نتایج حاصل از مدل توسعه یافته نشان میدهد که شبکه عصبی مصنوعی بهینه برای تخمین مقدار نسبت تخلخل بیشینه و کمینه به ترتیب دارای ضریب همبستگی 0/87 و 0/88 میتواند به عنوان جایگزین مناسبی جهت جلوگیری از انجام مجدد آزمونهای آزمایشگاهی در بازه داده های معرفی شده، مورد استفاده قرار گرفته و در مقدار تراکم کمینه و بیشینه خاکهای دانه ای مورد استفاده قرار گیرد.

نسبت تخلخل کمینه، نسبت تخلخل بیشینه، شکل دانه ها، شبکه های عصبی مصنوعی، محاسبات نرم