پیش‌بینی زاویه اصطکاک خاک با استفاده از مدل یادگیری عمیق: مطالعه موردی ماسه فیروزکوه

Abstract

زاویه اصطکاک خاک یکی از پارامترهای اساسی در مهندسی ژئوتکنیک است و به‌طور مستقیم بر پایداری سازه‌هایی مانند دیوار‌های حائل، شیب‌ها و پی‌ها تأثیر می‌گذارد. در این پژوهش یک شبکه عصبی پیچشی (Convolutional neural network)، با استفاده از پارامتر‌های ورودی عکس و جرم مخصوص خشک، برای پیش‌بینی زاویه اصطکاک اوج ماسه فیروزکوه، توسعه داده شد. برای این منظور، ابتدا 10 نمونه از ماسه فیروزکوه با دانه‌بندی‌های متفاوتِ 1S تا 10S تهیه و برای هر دانه‌بندی نیز سه جرم مخصوص خشک متفاوت در نظر گرفته شد. سپس زاویه اصطکاک اوج متناظر با 30 جرم مخصوص خشک برای 10 دانه‌بندی 1S تا 10S با استفاده از آزمایش برش مستقیم تعیین شد. برای آموزش و آزمون شبکه از هر نمونه 50 عکس گرفته شد. با توجه به اینکه در فرآیند آموزش شبکه، برای هر نمونه سه جرم مخصوص خشک متفاوت در نظر گرفته‌ شد، در مجموع 1500 عکس برای بانک اطلاعاتی شبکه تهیه گردید. از این تعداد، 1125 عکس برای آموزش و 375 عکس برای آزمون شبکه استفاده شد. نتیجه آزمون شبکه عصبی پیچشی این پژوهش نشان داد که این شبکه می‌تواند با استفاده از عکس و جرم مخصوص خشک خاک به‌عنوان پارامترهای ورودی، زاویه اصطکاک اوج ماسه فیروزکوه را، با خطای نسبی نرمال‌شده 3/0 درصد، پیش‌بینی کند.