استفاده از هوش مصنوعی و الگوریتم ژنتیک در تخمین ظرفیت باربری دینامیکی شمع فولادی و بتنی پیش‌ساخته

شالوده عمیق یا شمع، المان های سازه ای هستند که به منظور انتقال بار سازۀ فوقانی به اعماق زمین و لایه های سخت از آنها استفاده می گردد. به دلیل بالا بودن هزینه اجرای شالوده های عمیق، طراحی بهینه شمع و تخمین ظرفیت باربری آنها بسیار اهمیت دارد که استفاده از روش هوش مصنوعی و الگوریتم ژنتیک می تواند در این راستا راهگشا باشد. در این پژوهش با انتخاب دو نوع شمع پُرکاربرد شامل شمع فلزی لوله ای و شمع بتنی پیش ساخته، ظرفیت باربری محوری شمع با مدلسازی در نرم افزار المان محدود plaxis 2d و تحت بار هارمونیک در یک خاک لایه ای مورد ارزیابی قرار گرفت و نتایج با داده های آزمایش دینامیکی شمع (pda1) در یک مطالعه موردی مقایسه گردید. در این پژوهش نتایج حاصل از 100 تحلیل عددی با استفاده از الگوریتم ژنتیک بهینه سازی شده است که منجر به معرفی یک رابطه تخمینی با دقت مناسب در ظرفیت باربری محوری شمع به تفکیک برای شمع بتنی و فلزی گردید. همچنین در این پژوهش مقایسه روش های مختلف ارزیابی ظرفیت باربری شمع نشان دهنده این واقعیت است که اغلب روش های تجربی ظرفیت باربری بسیار بزرگتری را در مقایسه مقادیر واقعی ارائه می دهند