فهرست نشریات علمی دسترسی آزاد ایران

روانگرایی خاک پدیده‌ای است که به علت از بین رفتن مقاومت توده خاک‌های اشباع در هنگام وقوع زمین‌لرزه رخ می‌دهد. در این حالت، سازه ساخته شده بر روی این خاک، تعادل استاتیکی خود را از دست می‌دهد و واژگون می‌شود. به این ترتیب، پیش‌بینی روانگرایی از مسائل بسیار مهم در مهندسی عمران است. روش‌های مختلفی برای تعیین پتانسیل روانگرایی خاک وجود دارد که عمده آنها مبتنی بر آزمایشات میدانی و معادلات تجربی هستند که بعضا می‌توانند با تقریب زیادی همراه شوند. امروزه استفاده از روش‌های نوین هوش مصنوعی برای حل مسائل پیچیده مهندسی از اهمیت زیادی برخوردار است. بر این اساس، در این مقاله سعی شد تا با استفاده از شبکه عصبی مصنوعی و بهینه‌سازی آن با روش طراحی آزمایش‌های تاگوچی اقدام به پیش‌بینی وقو ع روانگرایی در یک منطقه شود. در اولین قدم با جمع‌آوری داده‌های موجود در زمینه وقوع روانگرایی در نقاط مختلف دنیا، اقدام به ایجاد دو پایگاه داده بر مبنای آزمایش‌های CPT و SPT شد. در ادامه با استفاده از روش طراحی آزمایش‌های تاگوچی، مؤلفه‌های شبکه عصبی مصنوعی شامل تعداد نرون‌های لایه-های میانی و تابع فعال‌سازی بهینه شد و بیشترین دقت بدست آمده برای دو پایگاه داده مورد بررسی CPT و SPT به ترتیب با مقدار تابع صحت برابر 89/0 و 73/0 بدست آمد. سپس ارزیابی نتایج بدست آمده با نتایج حاصل از 5 مدل مختلف یادگیری ماشین شامل ماشین بردار پشتیبان، برازش لجستیک، k نزدیک‌ترین همسایه، درخت تصمیم و جنگل تصادفی نشان داد که شبکه عصبی مصنوعی بهینه شده بهترین نتایج را بدست می‌دهد. در نهایت مقایسه نتایج مدل حاضر با روش تجربی محاسبه ضریب روانگرایی نشان‌دهنده دقت بالاتر مدل حاضر است.