پيش بيني طرح اختلاط بهينه براي بهسازي خاك رس نرم با استفاده از شبكه هاي عصبي مصنوعي

استفاده و كاربرد شبيه سازي مصنوعي در پيش بيني رفتار مصالح علي الخصوص هنگامي كه نتايج واقعي داشته باشيم از نظر زمان و هزينه از اهميت ويژه اي برخوردار است. بر اين اساس در اين پژوهش داده هاي آزمايش بدست آمده از آزمايش تك محوري روي نمونه هاي خاك تثبيت شده توسط آهك، پسماند و سيليكات سديم با شبكه عصبي (GRNN) و الگوريتم ژنتيك (برنامه ريزي بيان ژن (GEP)) مورد بررسي قرار گرفته است. بنابراين با توجه به نتايج مقاومت فشاري محدود نشده براي درصدهاي محدودي كه آزمايش انجام شده است شبيه سازي مصنوعي انجام و راستي آزمايي صورت گرفته است سپس با توسعه شبكه عصبي و الگوريتم ژنتيك براي حالت ها و درصدهاي مختلف اختلاط در بهسازي خاك، درصد اختلاط بهينه تعيين شده است كه با توجه به نتايج بدست آمده از مدل الگوريتم ژنتيك، طرح اختلاط بهينه براي اين نوع خاك رس در 6 درصد آهك، 6 درصد پسماند صنعتي و 1.5 درصد سيليكات سديم مي باشد. نتايج شبكه عصبي داراي قدرت پيش بيني مناسب تري نسبت به الگوريتم ژنتيك مي باشد به طوري كه بهترين پيش بيني براي مدل 90 روزه شبكه عصبي با مقدار R^2 و RMSE به ترتيب برابر با 0.998 و 0.019 وكمترين پيش بيني براي مدل 7 روزه الگوريتم ژنتيك با مقدار R^2 و RMSE به ترتيب برابر با 0.967 و 0.059 مي باشد.