کاربرد هوش مصنوعی در پیشبینی ظرفیت باربری خاک در مهندسی ژئوتکنیک
کاربرد هوش مصنوعی در پیشبینی ظرفیت باربری خاک در مهندسی ژئوتکنیک
آرمین حاتمی راد1 مرتضی پهلوان2
1) دانشجوی کارشناسی ارشد مهندسی عمران، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران
2) دانشجوی کارشناسی ارشد مهندسی عمران، دانشگاه آزاد اسلامی واحد مشهد، مشهد، ایران، Mortezapahlevan13792000@gmail,com
کد IOI مقاله
:
AAHF-ABDBBH
محل انتشار :
کنفرانس ملی فناوری های معماری و هنر، شهر هوشمند، صنایع نرم وخلاق و فرهنگ فناوری (icact.ir)
چکیده :
ظرفیت باربری خاک یکی از مهمترین پارامترها در مهندسی ژئوتکنیک است، زیرا به طور مستقیم بر طراحی و ایمنی پیها تأثیر میگذارد. روشهای سنتی برای برآورد ظرفیت باربری خاک اغلب بر پایه روابط تجربی و فرضیات سادهشده هستند که ممکن است رفتار پیچیده و غیرخطی خاک را بهطور دقیق منعکس نکنند. در سالهای اخیر، تکنیکهای هوش مصنوعی بهعنوان ابزارهای قدرتمندی برای افزایش دقت پیشبینی در کاربردهای مهندسی مطرح شدهاند.
این مطالعه به بررسی کاربرد روشهای هوش مصنوعی در پیشبینی ظرفیت باربری خاک با استفاده از پارامترهای ژئوتکنیکی بهدستآمده از آزمایشهای صحرایی و آزمایشگاهی میپردازد. مدلهای یادگیری ماشین، مانند شبکههای عصبی مصنوعی و سایر رویکردهای دادهمحور، قادرند روابط پنهان میان ویژگیهای خاک و ظرفیت باربری را شناسایی کنند. با تحلیل مجموعه دادههایی که شامل پارامترهایی مانند نوع خاک، وزن مخصوص، چسبندگی، زاویه اصطکاک داخلی و ابعاد پی هستند، مدلهای هوش مصنوعی میتوانند پیشبینیهای قابل اعتمادی را با تلاش محاسباتی کمتر ارائه دهند.
نتایج پژوهشهای پیشین نشان میدهد که مدلهای هوش مصنوعی اغلب در مقایسه با روشهای تحلیلی و تجربی متداول، دقت بالاتری دارند. علاوه بر این، این مدلها میتوانند مجموعه دادههای بزرگ و تعاملات پیچیده میان متغیرها را مدیریت کنند. بنابراین، ادغام هوش مصنوعی در تحلیلهای ژئوتکنیکی پتانسیل قابل توجهی برای افزایش قابلیت اطمینان و کارایی در طراحی پیها دارد.
این مقاله مزایا، چالشها و چشماندازهای آینده استفاده از هوش مصنوعی برای پیشبینی ظرفیت باربری خاک در مهندسی ژئوتکنیک را بررسی میکند.
کلمات کلیدی : هوش مصنوعی ظرفیت باربری خاک مهندسی ژئوتکنیک یادگیری ماشین طراحی پی