طراحی یک چارچوب هوشمند مبتنی بر یادگیری ماشین برای تحلیل نشست و تراکم‌پذیری خاک‌های مهندسی شده

عزیزه عبدی¹

1) کارشناس ارشد ژئوتکنیک؛ شهرداری کلانشهر تبریز،ایران ،

کد IOI مقاله : AACC-AAKBBD
محل انتشار : سومین کنفرانس بین المللی پژوهش های کاربردی در مهندسی عمران، معماری و شهرسازی(icarcau.com/3rd)
چکیده :
    پیش‌بینی دقیق تراکم‌پذیری و نشست خاک‌های مهندسی‌شده یکی از چالش‌های کلیدی در طراحی سازه‌های عمرانی است. روش‌های سنتی آزمایشگاهی و تحلیلی اغلب زمان‌بر، پرهزینه و محدود به شرایط خاص هستند. در این پژوهش، یک چارچوب هوشمند مبتنی بر الگوریتم‌های یادگیری ماشین برای پیش‌بینی نشست و تراکم‌پذیری خاک‌های مهندسی‌شده طراحی شده است. داده‌های حاصل از آزمایش‌های تراکم استاندارد و نشست در شرایط بارگذاری متنوع، به عنوان ورودی مدل‌های یادگیری ماشین از جمله شبکه‌های عصبی مصنوعی، رگرسیون تصادفی و XGBoost استفاده شد. نتایج نشان می‌دهد که چارچوب پیشنهادی قادر است با دقت بالا، رفتار خاک را در شرایط مختلف پیش‌بینی کند و عملکرد آن نسبت به مدل‌های تحلیلی سنتی بهبود قابل توجهی دارد. این چارچوب می‌تواند ابزار موثری برای مهندسین ژئوتکنیک در بهینه‌سازی طراحی خاک‌های مهندسی‌شده، کاهش هزینه‌های آزمایشگاهی و پیش‌بینی نشست و تراکم در پروژه‌های عمرانی فراهم آورد.

کلمات کلیدی : خاک‌های مهندسی‌شده تراکم‌پذیری نشست یادگیری ماشین چارچوب هوشمند