پیش بینی پارامترهای ژئوتکنیکی برداشت شده از مقاومت ویژه الکتریکی و سرعت امواج لرزه‌ای با استفاده از مدل‌های شبکه عصبی مصنوعی

اندازه‌گیری‌های ژئوتکنیکی پارامترهای خاک مورد استفاده در طراحی زیرساخت، اطلاعاتی را در یک نقطه خاص از زمین ارائه می‌کند. استفاده از داده‌های نقطه خاص ممکن است منجر به عدم قطعیت بیشتر و قابلیت اطمینان کمتر در طراحی شود. همبستگی بین پارامترهای ژئوتکنیکی و پارامترهای ژئوفیزیکی برای تسهیل استفاده از اطلاعات ژئوفیزیکی در طرح های ژئوتکنیکی مورد نیاز است. پژوهش حاضر بر دو روش ژئوفیزیکی؛ مقاومت ویژه الکتریکی (rs) و سرعت موج لرزه‌ای (موج برشی و موج فشاری ) متمرکز است. مدل‌های شبکه عصبی مصنوعی (ann) با استفاده از داده‌های برداشت شده برای پیش‌بینی پارامترهای ژئوتکنیکی از rs و سرعت موج لرزه‌ای توسعه یافته‌اند. نتایج مدل‌های ann از داده‌های برداشت شده نشان می‌دهد که rs می‌تواند پارامترهای ژئوتکنیکی را با دقت متوسط تا خوب و همچنین ظرفیت تبادل کاتیونی (cec) را بهتر از اشباع پیش‌بینی کند. سرعت موج لرزه‌ای به پیش بینی محتوای آب و چگالی خشک کمک می‌کند. به طور کلی، عملکرد ann بهتر از رگرسیون است.