مقایسه روش¬های شبکه عصبی مصنوعی و رگرسیونی در پیش بینی مدول تغییرشکل پذیری سنگ با استفاده از آزمون دیلاتومتری
نویسندگان
1 کارشناسی ارشد مهندسی عمران-ژئوتکنیک، گروه مهندسی عمران، واحد مراغه، دانشگاه آزاد اسلامی، مراغه، ایران
2 گروه مهندسی عمران، واحد تبریز، دانشگاه ازاد اسلامی، تبریز، ایران
3 استادیار، گروه مهندسی برق، واحد تبریز، دانشگاه ازاد اسلامی، تبریز، ایران
doi
چکیده
در علم مهندسی ژئوتکنیک مدول تغییر شکل پذیری(Em) در واقع نسبت تنش به کرنش منتاظر آن میباشد. کاربرد این مدول در زمینههای سد سازی ، تونل سازی ، راه سازی وغیره میباشد. امروزه روشهای مختلفی برای بدست آوردن مدول شکل پذیری وجود دارد از جمله آنها می¬توان به آزمایشهای برجا (صفحه بارگذاری- دیلاتومتری)، آزمونهای آزمایشگاهی و روابط تجربی اشاره نمود. همچنین روش¬های مختلفی به منظور پیشبینی و تعیین روابط بین چندین پارامتر مختلف وجود دارد که می¬توان به تحلیل رگرسیونی و شبکه عصبی مصنوعی اشاره نمود. هدف اصلی در تحقیق حاضر، ارائه یک رابطه جدید به منظور پیش بینی مدول تغییر شکل پذیری سنگ¬ها قبل از انجام آزمایش دیلاتومتری، با کمترین خطا است. نتایج مطالعات نشان داده است مدل سازی شبکه عصبی نسبت به تحلیل رگرسیونی در تمامیمتغیرهای مستقل ورودی از کارآمدی بالایی برخوردار بوده و تنها با ورودی پارامترQ به معادله مورد نظر تحلیل رگرسیونی سطح اطمینان بالاتری دارد. همچنین با مقایسه این دو روش مشخص گردید هر چقدر تعداد متغیر ورودی بیشتر باشد شبکه عصبی بهتر عمل میکند.
