مدلسازی هوشمند مقاومت فشاری محصورنشده خاک رس تثبیت‌شده با استفاده از روش برنامه‌ریزی بیان ژن

از جمله راهکارهای بهسازی خاک‌های بستر ضعیف و مسئله‌دار استفاده از تثبیت‌کننده‌ها و افزودنی‌های متفاوت مانند سیمان، آهک و خاکستر بادی است. در این مقاله، یک خاک رس با استفاده از درصد‌های مختلف سیمان و آهک (0، 3، 5، 7 و 9 درصد) استفاده شده است و در درصدهای رطوبت مختلف (میزان رطوبت بهینه، سمت مرطوب و سمت خشک) تثبیت و آزمایش مقاومت فشاری محصورنشده در زمان‌های عمل‌آوری مختلف (7، 14، 21، 28 و 60 روز) انجام شد. سپس از روش برنامه‌نویسی بیان ژن برای مدلسازی مقاومت فشاری محصورنشده خاک رس تثبیت‌شده با سیمان و آهک استفاده شده است. در مدل‌های توسعه یافته از سه متغیر درصد افزودنی، زمان عمل‌آوری و درصد رطوبت به‌عنوان پارامترهای ورودی جهت پیش‌بینی مقاومت فشاری محصورنشده استفاده شد. نتایج این تحقیق نشان داد که مقدار ضریب تعیین برای مدل توسعه داده‌شده برای پیش‌بینی مقاومت فشاری محصورنشدۀ خاک رس تثبیت شده با سیمان بر اساس داده‌های آموزش و آزمون به‌ترتیب برابر با 0.935 و 0.926 است. ضریب تعیین برای پیش‌بینی مقاومت فشاری محصورنشدۀ خاک رس تثبیت شده با آهک بر اساس داده‌های آموزش و آزمون به‌ترتیب برابر با 0.911 و 0.884 به دست آمد. همچنین نتایج مطالعۀ پارامتریک نشان داد که مقدار مقاومت فشاری محصورنشده با افزایش درصد سیمان و آهک و زمان عمل‌آوری افزایش و با افزایش درصد رطوبت کاهش می‌یابد.

intelligent modeling of unconfined compressive strength of stabilized clay soil using gene expression programming

application of different stabilizers and additives such as cement, lime, and fly ash is one of the solutions for improving weak and problematic subgrade soils. in this study, a clay soil was stabilized using different percentages of cement and lime (0, 3, 5, 7 and 9%) and with different moisture content (optimum humidity level, wet side and dry side) and unconfined compressive strength (ucs) test was conducted at different curing times (7, 14, 21, 28 and 60 days). then, the gene expression programming (gep) method was employed to model the ucs of cement stabilized and lime stabilized clay soil. in the developed models, three variables of additive percentage, curing time and moisture content are used as the input variables to predict the ucs. the results of this study showed that the coefficient of determination (r2) for the model developed to predict the ucs of cement stabilized clay soil is 0.935 and 0.926 for training and testing data, respectively. the r2 value for the model developed to predict the ucs of lime stabilized clay soil is 0.911 and 0.884 for training and testing data, respectively. the results of the parametric study showed that the ucs increases with the increase in the percentage of cement and lime and the curing time and decreases with the increase in the moisture content.