شبکه عصبی - فازی و بهینه یابی هزینه ها توسط الگوریتم ژنتیک در مدل سازی مقاومت مارشال در تثبیت خاک با امولسیون و سیمان

امروزه روش های هوشمند در پیش بینی پاره ای از کمیت ها می توانند به عنوان ابزاری قدرتمند برای بهینه سازی مدل های پیش بینی بکار روند. در این تحقیق دو هدف، یکی مدل سازی مقاومت مارشال نمونه های تثبیت شده با امولسیون قیر و سیمان جهت زیرسازی جاده ها و دیگری بهینه یابی هزینه های اجرایی کاربرد امولسیون قیر و سیمان در تثبیت این نوع زیرسازی دنبال شده است. به این منظور 170 آزمایش بر روی نمونه های تثبیت شده برای آموزش شبکه عصبی- فازی انجام شده و مورد استفاده قرار گرفته اند. سپس مقاومت مارشال نمونه ها، توسط شبکه هوشمند عصبی - فازی مدل شده و با استفاده از الگوریتم ژنتیک هزینه های اجرایی بهینه یابی شده است. در مدل سازی انجام شده از نرم افزار MATLAB استفاده شده است. نتایج این تحقیق نشان می دهد که با مدل پیشنهادی می توان تا حدود زیادی در هزینه های ساخت جاده ها صرفه جویی کرد.