ژئوتکنیکی و مشخصات همبستگی پارامترهای مقاومت برشی خاک (مطالعه موردی: شهر کرمانشاه)

به منظور شناخت ساختگاه، به دست آوردن پارامترهای مقاومتی خاک امری ضروری و در عین حال هزینه بردار و زمان بر می باشد. بدین منظور با استفاده از اطلاعات 129 گمانه‌ حفر شده در سطح شهر کرمانشاه، اطلاعات ژئوتکنیکی مورد نیاز جمع آوری و دسته بندی و با استفاده از روش گروهی مدل سازی داده ها (gmdh) و مجموعه ورودی های مختلف، مدل ها ساخته شده اند. رابطه همبستگی میان پارامترهای مقاومت برشی (زاویه اصطکاک و چسبندگی) با عدد نفوذ استاندارد و مشخصات ژئوتکنیکی (ذرات ریزدانه، رطوبت و ...) به دست آورده شده است که با استفاده از شاخص‌های جذر میانگین مربعات خطا (rmse) و میانگین قدر مطلق خطا (mae)، بهترین مدل برای پیش بینی مشخصه ها انتخاب شده است. در روابط به دست آمده، برای زاویه اصطکاک (rmse=2.822) مقادیر پیش بینی شده با تقریب در حدود %20± و برای چسبندگی (rmse=4.161) با تقریب در حدود 6± کیلوپاسکال محاسبه می شوند. روابط به دست آمده در این پژوهش با سایر محققین مقایسه شده و برتری اثبات شده است، که می تواند به دلیل تنوع در پارامترهای ورودی، استفاده از شبکه عصبی و محدود کردن منطقه مورد مطالعه باشد. استفاده از این مدل ها برای برآورد پارامترهای مقاومت برشی خاک در مرحله اولیه پروژه‌ها پیشنهاد می شود.

correlation of soil shear strength parameters and geotechnical characteristics (case study: kermanshah city)

obtaining the soil shear strength parameters is necessary to know the site and at the same time costly and time-consuming. in this study, data from 129 geotechnical boreholes in kermanshah was collected and classified. utilizing the group method of data handling (gmdh) and a variety of inputs, models were constructed. the correlation between shear strength parameters (friction angle and cohesion) with spt-n and geotechnical characteristics (such as fine particles and water content) was established. predicted values for friction angle (rmse=2.822) and cohesion (rmse=4.161) were calculated with an approximation of ±20% and ±6 kilopascals, respectively. comparisons with other researchers demonstrated the superior performance of the correlations, possibly attributed to variations in input parameters, the use of neural networks, and the focus on a specific study area. these correlations provide a valuable tool for estimating shear strength parameters in kermanshah soil, enhancing their applicability in geotechnical designs. the study suggests that incorporating non-linear relationships with multiple input parameters reduces correlation errors, and limiting the study area improves correlation performance due to sediment variations in each region. the use of the prediction models presented in this study can be useful depending on the circumstances, especially in cases where it is difficult to prepare a sample, or in the early stages of the project for initial evaluations.