چکیده مقاله
پیش بینی منحنی رفتار مکانیکی خاک با استفاده از تکنیک های هوش مصنوعی امروزه به عنوان یک راهکار مناسب برای کاهش هزینه و زمان در انجام آزمونهای آزمایشگاهی وسیع و بررسی تاثیرات عوامل مختلف بر این منحنیها مورد توجه قرار گرفته است در تحقیق حاضر با استفاده از شبکه عصبی مصنوعی با حافظه کوتاه مدت بلند LSTM به پیش بینی رفتار خاک غیر اشباع پرداخته شده است برای آموزش شبکه LSTM از نتایج آزمایشهای سه محوری تحکیم یافته زهکشی شده CD و سه محوری با مقدار آب ثابت CW بر روی خاک رس غیر اشباع استفاده گردید حدود ۷۰٪ از آزمایشها برای آموزش و %۳۰ آن برای صحت سنجی استفاده شد منحنی های تغییر تنش انحرافی، تغییر حجم کل نمونه و تغییر حجم آب نمونه بر حسب کرنش محوری مورد بررسی قرار گرفتند در این تحقیق تعداد واحد پنهان بهینه ۳۰ و طول توالی بهینه ۳۵ تعیین گردید نتایج این تحقیق نشان میدهد که منحنیهای رفتار مکانیکی پیش بینی شده با استفاده از شبکه LSTM تطابق خوبی با منحنیهای آزمایشگاهی داشته و لذا این روش میتواند برای پیشبینی رفتار مکانیکی خاکهای غیر اشباع مورد استفاده قرار گیرد
کلیدواژهها
نویسندگان
محمد احمدی
استادیار، گروه مهندسی عمران، دانشکده مهندسی عمران و معماری، دانشگاه ملایر، ملایر، ایران
اشکان مصطفائی فر
کارشناس ارشد ژئوتکنیک، گروه مهندسی عمران، دانشکده مهندسی عمران و معماری، دانشگاه ملایر، ملایر، ایران
علیرضا باقریه
محمد احمدی استادیار، گروه مهندسی عمران، دانشکده مهندسی عمران و معماری، دانشگاه ملایر، ملایر، ایراناشکان مصطفائی فر کارشناس ارشد ژئوتکنیک، گروه مهندسی عمران، دانشکده مهندسی عمران و معماری، دانشگاه ملایر، ملایر، ایران
شیوه ارجاع
�حمدی، محمد و مصطفائی فر، اشکان و باقریه، علیرضا،1404،پیش بینی رفتار تنش-کرنش خاک غیر اشباع با استفاده از شبکه عصبی مصنوعی با حافظه کوتاه مدت بلند (LSTM)،چهاردهمین کنگره بین المللی مهندسی عمران،تهران
ارائهشده در
مجموعه مقالات چهاردهمین کنگره بین المللی مهندسی عمران29 مهر 1404 · تهران