پیش‌بینی پتانسیل رمبندگی خاک‌های رمبنده از طریق شبکه‌های عصبی مصنوعی

ر این پژوهش به منظور بررسی قابلیت شبکه‌های عصبی مصنوعی در تعیین پتانسیل رمبندگی، نمونه‌های متعدد خاک رمبنده از یک منطقه (دشت زاهدان) گردآوری شده است. در آزمایشگاه آزمایش‌های معمول رمبندگی روی آن‌ها انجام و تعداد 130 نمونه خاک رمبنده به دست آمده از اعماق و مکان‌های مختلف دشت در پایگاه داده‌ ثبت شد. آزمایش رمبندگی انجام شده، تحکیم مضاعف بوده که برای بررسی بیشتر آزمایش‌های دانه‌بندی، وزن مخصوص، حدود اتربرگ و خواص مقاومتی نیز روی نمونه‌ها انجام شد. در مراحل بعد نتایج برای ورود به شبکه‌های عصبی مصنوعی آماده شده و مدل‌سازی انجام شد. پس از مرحله آموزش شبکه و یادگیری، مدل‌های مختلف شبکه مورد سعی و خطا قرار گرفته و در ادامه مدل بهینه شبکه شامل شش ورودی و یک خروجی انتخاب شده است. با توجه به نتایج پیش‌بینی، مشخص شد که بین داده‌های تجربی و پیش‌بینی شده به وسیله‌ی شبکه‌ عصبی مصنوعی بیشتر از 95 درصد همبستگی مشاهده می‌شود. همچنین نتایج نشان می‌دهد که شبکه‌های عصبی مصنوعی می‌تواند پتانسیل رمبندگی را به طور مناسبی پیش‌بینی کند و به دلیل استفاده از آزمایش‌های ساده و کم هزینه، باعث کاهش حجم محاسبات و آزمایش‌های لازم خواهد شد.