ارزیابی پتانسیل وقوع روانگرایی با استفاده از روش فازی–عصبی و پیاده سازی در نرم افزار

یکی از مخاطرات لرزه¬ای که بنابرآمارهای موجود در زلزله¬های اخیر ،مخرب ترین اثر زلزله در مناطق مستعد بوده است ،پدیده روانگرایی است. این پدیده در دنیا با دو زلزله نیگاتا وآلاسکا در سال 1964 میلادی ودر کشور ما با زلزله منجیل در سال 1369 شمسی به عنوان یک خطر لرزه¬ای مهم شناخته شد که این پدیده دراثرکاهش ویا از بین رفتن کامل مقاومت برشی خاک به علت افزایش فشار آب حفره¬ای به هنگام وقوع تکان¬های لرزه¬ای در خاک به وجود می¬آید. در این تحقیق ضمن بررسی مطالعات انجام شده در گذشته به استفاده از روش هوشمند مرکب شبکه عصبی¬مصنوعی-فازی که برای نخستین بار جهت ارزیابی پتانسیل روانگرایی مورد استفاده قرار می¬گیرد و همچنین به دو روش دیگر با عنوان روش¬های هوشمند ارزیابی طبقه¬بندی میانگین مرکزی فازی و شبکه عصبی-مصنوعی جهت ارزیابی این پدیده مخرب می¬پردازد ومیزان کارایی هرکدام از این روشها را در ارزیابی پتانسیل روانگرایی مورد بررسی قرار خواهد داد. روش هوشمند شبکه عصبی¬مصنوعی–¬ فازی روش نوینی است که از روش خوشه بندی میانگین¬مرکزی¬فازی جهت بهبود کارایی شبکه عصبی¬مصنوعی در ارزیابی پتانسیل روانگرایی بهره می-گیرد . برای به دست¬آوردن نتایج قابل اعتمادتر در روشهای هوشمند ذکر شده در بالا می¬بایست حداکثر خصوصیات خاک مورد بررسی، پوشش داده شود به همین دلیل پارامترهای متعددی جهت ارزیابی پتانسیل روانگرایی به روش شبکه عصبی مصنوعی- فازی مورد استفاده قرار می¬گیرند که از مهمترین آنها می توان عددنفوذاستاندارد، نسبت-تنش¬تناوبی، درصدریزدانه، تنش¬کلی وموثر، بزرگای¬زلزله و... را نام برد. در این تحقیق از پایگاه¬داده های معتبری که شامل مطالعات میدانی، آزمایشگاهی و وقوع و یا عدم وقوع روانگرایی که در اثر زلزله¬های معروف رخ داده در نقاط مختلف دنیا می¬باشد، استفاده شده است. دراین تحقیق نتایج بدست¬آمده از ارزیابی پتانسیل وقوع روانگرایی با این روشهای هوشمند به صورت گراف وجدول به منظور بررسی اعتبار سنجی این روشها، آمده است. به دلیل حجم بالا وپیچیدگی های موجود در عملیات محاسبات این روشهای هوشمند وبه منظور فراهم آوردن امکانات لازم جهت استفاده دیگر کاربران از این روشها، سامانه نرم افزاری پیشرفته ای در محیط ویژوال استودیو (visual studio) و به زبان سی شارپ(c#)وبا پایگاه داده اس کیو ال سرور(sql server) و با نام ("pila("proffessinal intelligent liquefaction assessment توسط نویسنده طراحی شده و شیوه و عملکرد آن مختصرا شرح داده می شود.