بررسی رفتار مصالح شن‌دار در بارگذاری زه‌کشی نشده مونوتونیک با استفاده از شبکه‌های عصبی مصنوعی

امکان توسعه و به‌کارگیری شبکه‌های عصبی مصنوعی در مدل‌سازی نتایج آزمایش‌های مونوتونیک سه‌محوری قطر بزرگ روی انواع مصالح سنگ‌ریزه‌ای تیزگوشه، گردگوشه و مصالح شنی با درصدهای مختلف ریزدانه بهکار رفته در بدنه سدهای مهم کشور در این مقاله ارایه می‌شود. در ابتدا قابلیت شبکه‌های عصبی مصنوعی (anns) در مدل‌سازی منحنی‌های رفتاری تنش تفاضلی- اضافه فشار آب حفره‌ای- کرنش محوری بررسی شده است که دلالت بر قابلیت نسبتاً مناسب مدل در شبیه‌سازی رفتار مصالح شن‌دار دارد. بانک اطلاعات به‌کار رفته در شبکه، شامل 52 گزینه مختلف آزمایش سه‌محوری کرنش-کنترل تحت شرایط زه‌کشی نشده است. برای مسیله مذکور، یک برنامه شبکه‌های عصبی مصنوعی پیش‌خوراند سه‌لایه پرسپترون (mlp) در محیط matlab7 نوشته شد و شبکه بهینه (تعداد لایه‌های مخفی، تابع تبدیل و نوع آموزش شبکه) به روش سعی و خطا، و با توجه به شاخص‌های خطا و تطابق با داده‌های آزمایشگاهی انتخاب شد. پارامترهای ورودی شبکه شامل تنش محدود‌کننده، دانسیته و درصد رطوبت بهینه، توزیع اندازه دانه‌ها و نرخ ایجاد کرنش است. نتایج نشان می‌دهد که anns قابلیت بسیار مناسبی در تخمین منحنی‌های رفتاری یاد‌شده در همه موارد بررسی شده دارد. در ادامه قابلیت شبکه‌های عصبی مصنوعی(anns) در به‌دست آوردن حداکثر زاویه اصطکاک داخلی و نتاطی از منحنی‌های رفتاری شامل تنش‌های تفاضلی‌ حداکثر و پسماند و اضافه فشارهای آب حفره‌ای در کرنش‌های نظیر بررسی شد. ضمناً از قابلیت تعمیم شبکه عصبی مصنوعی برای بررسی موارد آزمایش نشده مثل اثر تغییرات دانسیته و درصد کوچک‌تر از mm 2/0 هم بهره گرفته ‌شد