محمد احمدی

پیش‌بینی منحنی رفتار مکانیکی خاک با استفاده از تکنیک‌های هوش مصنوعی امروزه به عنوان یک راهکار مناسب برای کاهش هزینه و زمان در انجام آزمون‌های آزمایشگاهی وسیع و بررسی تاثیرات عوامل مختلف بر این منحنی‌ها مورد توجه قرار گرفته است. در تحقیق حاضر با استفاده از شبکه عصبی مصنوعی با حافظه کوتاه مدت بلند (LSTM) به پیش‌بینی رفتار خاک غیر اشباع پرداخته شده است. برای آموزش شبکه LSTM از نتایج آزمایش‌های سه‌محوری تحکیم یافته-زهکشی شده (CD) و سه‌محوری با مقدار آب ثابت (CW) بر روی خاک رس غیر اشباع استفاده گردید. حدود 70% از آزمایش‌ها برای آموزش و 30% آن برای صحت‌سنجی استفاده شد. منحنی‌های تغییر تنش انحرافی، تغییر حجم کل نمونه و تغییر حجم آب نمونه بر حسب کرنش محوری مورد بررسی قرار گرفتند. در این تحقیق تعداد واحد پنهان بهینه 30 و طول توالی بهینه 35 تعیین گردید. نتایج این تحقیق نشان می‌دهد که منحنی‌های رفتار مکانیکی پیش‌بینی شده با استفاده از شبکه LSTM، تطابق خوبی با منحنی‌های آزمایشگاهی داشته و لذا این روش می‌تواند برای پیش‌بینی رفتار مکانیکی خاک‌های غیر اشباع مورد استفاده قرار گیرد.