21097

21097

بررسي اثر مكش بر مقاومت برشي خاك هاي غير اشباع با استفاده از محاسبات نرم

كارشناسي ارشد

مهندسي ژئوتكنيك

1395

1398/03/27

دكتر عليرضا سعيدي عزيزكندي

عمران

از آنجايي كه اغلب خاك ها در بالاي سطح آب زيرزميني قرار دارند، فشار آب حفره اي منفي در خاك هاي غير اشباع گسترش مي يابد. اين فشار آب منفي كه به عنوان مكش شناخته مي شود، باعث افزايش مقاومت برشي خاك گشته و لحاظ كردن آن در محاسبات ژئوتكنيكي، امري مهم به شمار مي رود. با اين وجود، مطالعات آزمايشگاهي در زمينه ي خاك هاي غير اشباع، اغلب پر هزينه، زمان بر و دشوار است. بنابراين، بهتر است از روشي تجربي براي اين منظور، استفاده شود. در سال هاي اخير، استفاده از روش هاي هوش مصنوعي، از جمله شبكه هاي عصبي مصنوعي و برنامه ريزي ژنتيك بدليل كاربردي بودن و سهولت اجرا در مدلسازي مسائل پيچيده و غير خطي، مورد توجه مهندسين ژئوتكنيك قرار گرفته است. در اين پژوهش با استفاده از بانك اطلاعات گسترده شامل ويژگي هاي خاك از جمله تنش، مكش، زاويه اصطكاك داخلي خاك و AEV و با استفاده از شبكه هاي عصبي مصنوعي به محاسبه ي مقاومت برشي مربوط به بخش مكش خاك هاي غير اشباع پرداخته و نتايج آن با تعدادي از روابط ارائه شده تاكنون، مقايسه شده است. سپس با استفاده از روش برنامه ريزي بيان ژن، روابطي براي محاسبه ي مقاومت برشي سهم مكش خاك هاي غير اشباع، ارائه شده است.

1398/07/06

Effect of suction on shear strength of unsaturated soils using soft computing

9/28/2019 12:00:00 AM

Since most soils exist above the ground water table, negative pore water pressures develop in unsaturated soils. This negative pore water pressure, known as matric suction, causes increased shear strength. Therefore, it is required that the effect of the increase in shear strength should be included in geotechnical analyses. However, experimental studies on unsaturated soils are generally costly, time-consuming, and difficult to conduct. Therefore, it is better to have an empirical method that is able to predict the unsaturated shear strength with respect to the matric suction in a more convenient way. Recently the artificial intelligence as a functional method, and because of simplicity execution of modelling complicated and nonlinear problems, has attract the attention of geotechnical engineers. In this study, the shear strength of unsaturated soil has been predicted by using artificial neural networks (ANNs) in reference to data obtained from published references. The used data bank contains some parametes related to features of soils, for example net normal stress, matric suction, internal friction angle and air entry value (AEV). Then the results of ANN have been compared with the real values of unsaturated shear strength and the values obtained from previous equations. Finally two equations by using gene expression programming (GEP) have been presented to predict the shear strength of various unsaturated soils.