پیش بینی نشست پی های سطحی به کمک ماشین بردار پشتیبان

در طراحی پی ها یکی از مهمترین وظایف مهندس ژئوتکنیک تعیین نشست پی های سطحی می باشد. روش های تجربی قادر به ارائه پیش بینی های دقیق و قابل اعتماد برای پیش بینی نشست پی های سطحی در خاک غیرچسبنده نمی باشد. بنابراین روش های نوین آماری مبتنی بر کاربرد کامپیوتر، کاربرد و توسعه یافته است. در پاسخ به نیاز محققان علوم مختلف به ابزارهای قدرتمند مدل سازی داده ها ، پژوهشگران حوزه ی علوم هوش مصنوعی به ابداع و بهبود روش های یادگیری ماشین پرداختند. ماشین بردار پشتیبان ، یکی از روش های نسبتاً جدید یادگیری ماشین است که در دهه ی 90 میلادی توسط واپنیک و همکارانش ارائه شد. ماشین بردار پشتیبان svm با استفاده از روش رگرسیون مبتنی بر آنالیز حساسیت (جهت تعیین اهمیت پارامترها)، توجه محققین بسیاری را در دو دهه اخیر به خود مبذول داشته است. در این پژوهش از یک مجموعه داده شامل 189 نمونه استفاده گردیده ، هر نمونه در برگیرنده مشخصات هندسی پی ها شامل طول(l)، عرض پی(b) ، فشار موثر سربار(d_f) ، نتایج حاصل از آزمون نفوذ مخروط استاندارد(spt) ، و فشار ناشی از پی(q)، می باشد. در این پژوهش علاوه بر ارزیابی نتایج با نشست های واقعی به تعیین اهمیت پارامترهای نسبی در تعیین نشست ها بر پایه آنالیز حساسیت و مقایسه با سایر روش های تجربی در تعیین نشست خواهیم پرداخت.