ارزیابی پتانسیلی روانگرایی در خاک های ماسه ای با استفاده از شبکه های عصبی مصنوعی

پدیده روانگرائی از جمله مواردی است که بر اثر عوامل لرزه ای امکان بروز آن در یک توده ماسه ای اشباع وجود دارد. در اینگونه مناطق به منظور جلوگیری از آسیب های احتمالی به مستحدثات موجود، ارزیابی پتانسیل روانگرائی ضروری به نظر می رسد. بسته به گستره منطقه طرح جهت کسب اطلاعات نیاز به حفر چند گمانه و انجام آزمایشات متعددی می باشد که هر یک مستلزم صرف زمان و هزینه های بسیاری است. بنابر این پیش بینی روانگرائی با استفاده از مجموعه اطلاعات موجود توسط شبکه عصبی، باعث کاهش در هزینه ها و برنامه ریزی صحیح در شناخت ساختگاه مناسب خواهد شد. شبکه های عصبی به عنوان سیستم های هوشمند از خصوصیات خاص پردازش اطلاعات در مغز بهره می گیرند که از آن جمله می توان به یادگیری مثال ها، نادیده گرفتن خطا در داده ها و پردازش موازی آنها که دور از دسترس روش های مرسوم برنامه نویسی قرار دارد اشاره کرد. در تحقیق حاضر با توجه به بالا بودن سطح آب زیر زمینی در محدوده جنوب شرق تهران و با استفاده از اطلاعات گمانه های حفر شده در این منطقه به وسعت سی کیلومتر مربع، به ارزیابی پتانسیل روانگرائی توسط شبکه عصبی پرداخته شده است. شبکه عصبی مذکور با داشتن یک لایه میانی توسط اطلاعات گمانه های حفر شده مبتنی بر آزمایش نفوذ استاندارد آموزش داده شده و سپس به منظور اطمینان از کارایی شبکه در ارزیابی پتانسیل روانگرائی، اطلاعات تعدادی گمانه برای اولین بار به شبکه ارائه گردید. نتیجه حاصل از شبکه عصبی با نتیجه حاصل از روش رایج تعیین روانگرائی Seed کنترل و مورد مقایسه قرار گرفت که بر اساس آنالیزهای انجام شده، شبکه عصبی تربیت یافته قادر است پتانسیل روانگرائی در خاک محدوده جنوب شرق تهران با دقت بیش از 92 درصد پیش بینی نماید.