مروری بر یادگیری عمیق و کاربرد آن در مهندسی ژئوتکنیک

مهندسی ژئوتکنیک با موادی سر و کار دارد که به دلیل ماهیت خود، رفتارهای متفاوتی را از خود نشان می دهند. بهدلیل پیچیدگی ذاتی مواد ژئوتکنیکی، محققان تمایل دارند راهحلهای نظری را با روشهای محاسبه نرم جایگزین کنندتا مشکلات مختلف طراحی و مسائل ارزیابی ژئوتکنیکی را حل کنند. به همین خاطر، در چند دهه اخیر رشد استفاده ازالگوریتمهای عمیق به بیشترین مقدار خود رسیده است. بنا براین با بهکارگیری الگوریتمهای یادگیری عمیق در مسائلژئوتکنیک میتوان، ضمن کسب نتایجی دقیق و نزدیک به واقعیت، میزان صرف وقت، هزینه و انرژی را نیز تا حدچشمگیری کاهش داد. مهمترین نکتهای که باید در به کارگیری یادگیری عمیق در مطالعه مسائل ژئوتکنیک مد نظرقرار داد، استفاده از الگوریتم متناسب با موضوع مورد نظر میباشد. در این مطالعه کاربردها و رایجترین الگوریتمهاییادگیری عمیق در مهندسی ژئوتکنیک ارائه میگردد. پنج الگوریتم شبکه عصبی پیشخور، شبکه عصبی بازگشتی، شبکهعصبی کانولوشنال، شبکه مولد و حافظه طولانی کوتاه مدت یشترین کاربرد و محبوبیت را در حل مسائل پیچیده -ژئوتکنیکی دارا میباشند. کاربرد این الگوریتمها شامل استنتاج پارامترهای خاک، ظرفیت باربری شمع، عملکرد tbm ،پیش بینی ضخامت لایه، حساسیت به زمینلغزش، ارزیابی پارامترهای فیزیکی سنگ و غیره میباشند. تحقیقات اخیرنشان داده است که دقت پیشبینی روشهای یادگیری عمیق به تدریج با گسترش مجموعه دادهها، بدون پیشفرض ونویز افزایش مییابد و این روشها ابزارهای کارآمدی برای اتخاذ تصمیمات معتبر در مهندسی زمین هستند. همچنین دراین مطالعه به تحقیقاتی که با استفاده از این الگوریتمها در مهندسی ژئوتکنیک انجام شده پرداخته میشود تا با توجه بهاهمیت یادگیری عمیق در مسائل ژئوتکنیک راه را برای مطالعات آتی در زمینه ژئوتکنیک روشن سازد.