ارزیابی و سنجش پتانسیل روانگرایی خاک ها با استفاده از شبکه های عصبی مصنوعی

در این تحقیق از مدل شبکه عصبی پرسپترون چند لایه استفاده شده است و مدل های پیشنهادی مربوط به دو مجموعه داده می باشند. گروه اول داده های اندازه گیری شده با آزمایش cpt و گروه دومِ داده های اندازه گیری شده با آزمایش spt می باشند. بعد از به دست آمدن شبکه های بهینه و مشخص شدن وزن های آن ها، به کمک وزن ها اهمیت نسبی پارامترها و میزان تأثیر هریک از آن ها به دست آمده. بعد از محاسبه اهمیت نسبی پارامترها با حذف پارامترهای کم اهمیت، دقت شبکه ها را بالاتر برده و به جواب های دقیق تری رسیده ایم. پس از تحلیل نتایج مشاهده شد که با اهمیت ترین پارامتر در مجموعه داده های cpt عدد qc و در مجموعه داده های spt عدد (n1)60 می باشد. پس از موفقیت در پیش بینی روانگرایی حال می توان به تحلیل و شناخت بیشتر این پدیده به کمک شبکه های عصبی پرداخت