Abstract
This study deals with the development of Artificial Neural Network (ANN) and Multiple Regression (MR) models for estimating the critical factor of safety (Fs) value of a typical artificial slope subjected to earthquake forces. To achieve this, while the geometry of the slope and the properties of the man-made soil are kept constant, the natural subsoil properties, namely, cohesion, internal angle of friction, the bulk unit weight of the layer beneath the ground surface and the seismic coefficient, varied during slope stability analyses. Then, the Fs values of this slope were calculated using the simplified Bishop method, and the minimum (critical) Fs value for each case was determined and used in the development of the ANN and MR models. The results obtained from the models were compared with those obtained from the calculations. Moreover, several performance indices, such as determination coefficient, variance account for, mean absolute error and root mean square error, were calculated to check the prediction capacity of the models developed. The obtained indices make it clear that the ANN model has shown a higher prediction performance than the MR model
چکیده
این تحقیق با توسعه شبکه عصبی مصنوعی (ANN) و مدل های رگراسیون چندتایی (MR) برای تخمین مقدار ضریب اطمینان بحرانی(Fs) یک شیب مصنوعی معمولی در معرض نیروهای زلزله سر و کار دارد. برای دستیابی به این، در حالیکه هندسه شیب و خصوصیات خاک ساخته بشر ثابت نگه داشته شده اند، خصوصیات طبیعی خاک زیرسطحی، به عنوان مثال، چسبندگی، زاویه اصطکاک داخلی، وزن واحد حجم لایه زیر سطح زمین و ضریب زلزله، در طول تحلیل پایداری شیب تغییر کرده است. سپس، مقادیر Fs شیب با استفاده از روش ساده شده بیشاپ محاسبه شده است و حداقل مقدار Fs (بحرانی) برای هر مورد تعیین شده و در توسعه مدل های ANN وMR استفاده شده است. نتایج بدست آمده از مدل ها با آنهایی که از محاسبات بدست آمده اند مقایسه شده اند. علاوه بر این، چندین شاخص عملکرد، همانند ضریب تعیین، واریانس، خطای مطلق میانگین و خطای مربع میانگین ریشه محاسبه شده اند تا ظرفیت پیش بینی مدل های توسعه داده شده کنترل شوند. شاخص های بدست آمده مشخص می کند که مدل ANN یک عملکرد پیش بینی بالاتری از مدل MR نشان داده است.
1-مقدمه
پایداری شیب در طراحی و ساخت اتوبان ها، گودال های باز، و سدهای خاکی خیلی مهم می باشد. تحلیل پایداری شیب اغلب تحت بارگزاری استاتیکی انجام شده است. اگرچه، در یک منطقه فعال لرزه ای، زلزله ها نیرویی مهم می باشند که می توانند منجر به شکست شیب ها شوند. بنابراین، در این مناطق، انجام تحلیل پایداری شیب نیز ضروری می باشد. رویکرد شبه استاتیکی (PS) معمول ترین روند اتخاذ شده برای ارزیابی لرزه ای پایداری شیب می باشد، اگرچه روش های پیشرفته تر و سخت تری در حال حاضر در دسترس می باشد. این رویکرد در روش های مختلف تعادل محدود که در آن اثر های زلزله با یک نیروی استاتیکی معادل در نظر گرفته شده است، انجام گرفته است...