تعيين ويژگي‌هاي مؤثر بر پايداري ساختمان خاك‌هاي مناطق خشك با استفاده از الگوريتم تركيبي ژنتيك-شبكه عصبي مصنوعي

پايداري خاكدانه ها به‌عنوان يكي از كليدي ترين شاخص هاي كيفيت فيزيكي خاك، بيان‌گر قدرت نسبي خاك در برابر نيروهاي فرساينده و تخريب مكانيكي است. در اين پژوهش، به‌منظور شناسايي يك زيرمجموعه از مهم‌ترين ويژگي‌هاي مؤثر بر شاخص ميانگين وزني قطر خاكدانه‌ها (MWD)، از الگوريتم تركيبي ژنتيك-شبكه عصبي مصنوعي (GA-ANN) استفاده گرديد. افزون بر آن، قابليت شبكه هاي عصبي مصنوعي (ANNs) و رگرسيون چند متغيره خطي (MLR) براي كمي‌سازي رابطه بين شاخص MWD و ويژگي‌هاي خاك مؤثر بر آن، ارزيابي شد. پس از فرآيند مدل‌سازي، اهميت هر يك از ويژگي‌هاي انتخاب شده در ارتباط با تغييرات مكاني پايداري خاكدانه‌ها بررسي گرديد. به‌منظور دست يابي به يك مجموعه داده مناسب، شاخص MWD و تعدادي از ويژگي‌هاي خاك در نمونه‌هاي خاك‌ جمع‌آوري شده از 90 نقطه مشاهداتي اندازه‌گيري شدند. نتايج حاصل از انتخاب ويژگي نشان داد كه شش ويژگي‌ خاك شامل رس، شن، ماده آلي، كربنات كلسيم معادل، قابليت هدايت الكتريكي و نسبت جذب سديم، بيش‌ترين تأثير را بر روي شاخص MWD خاك‌هاي مورد مطالعه داشتند. با توجه به نتايج به‌دست آمده از برآورد شاخص MWD، مقادير محاسبه شده ضريب تبيين (R2)، ميانگين درصد خطاي مطلق (MAEP) و مجذور ميانگين مربعات خطا (RMSE) براي عملكرد شبكه عصبي مصنوعي، به‌ترتيب برابر با 0.94، 21.39 و 0.075 درصد بودند. اين نتايج بيان‌گر آن بود كه مدل ANN توسعه داده شده به خوبي توانسته است روابط پيچيده و غيرخطي بين شاخصMWD  و ويژگي‌هاي خاك انتخاب شده توسط الگوريتم GA-ANN را پيش‌بيني و كمي‌سازي كند. بر اساس نتايج به‌دست آمده از تحليل حساسيت، كربنات كلسيم معادل، ذرات شن و ماده آلي به‌عنوان فاكتورهاي كليدي براي تخمين پايداري خاكدانه‌ها معرفي شدند. به‌طور كلي، اين پژوهش يك چارچوب قوي براي تخمين پايداري خاكدانه‌ها و شناسايي مهم‌ترين ويژگي‌هاي مؤثر بر آن در خاك‌هاي مناطق خشك و نيمه‌خشك فراهم مي‌كند كه مي‌تواند براي ساير مناطق با چالش‌هاي مشابه، مورد استفاده قرار گيرد.