TY - JOUR T1 - Stability Analysis of Access Road Slopes Around the Milad Tower by Numerical Modeling and Artificial Neural Networks TT - تحلیل پایداری ترانشه‌های مسیرهای دسترسی در محوطه برج میلاد با استفاده از روش‌های عددی و شبکه‌های عصبی مصنوعی JF - jeg JO - jeg VL - 3 IS - 2 UR - http://jeg.khu.ac.ir/article-1-335-fa.html Y1 - 2010 SP - 649 EP - 676 KW - Slopes KW - Milad Tower KW - Factor of Safety KW - PLAXIS KW - Artificial Neural Networks N2 - بررسی ویژگی‌های مهندسی مصالح ترانشه‌های آبرفتی و سیمانی شده محوطه برج میلاد تهران و نتایج تحلیل پایداری درحالت استاتیکی با استفاده از نرم افزارهای المان محدود و همچنین بررسی قابلیت شبکه‌های عصبی مصنوعی برای محاسبه ضرایب پایداری موضوع این مقاله است. بر اساس مشخصات هندسی ترانشه‌ها و ویژگی‌های مقاومتی و تغییرشکلی آبرفت، ضریب پایداری ترانشه‌ها در حالت‌های دو بعدی و سه بعدی، به ترتیب با استفاده از نرم‌افزارهای PLAXIS7.2 وPLAXIS 3D Tunnel ، محاسبه و نتایج حاصل با یک‌دیگر مقایسه شده است. در ادامه قابلیت شبکه‌های عصبی مصنوعی(ANNs) در به‌دست آوردن ضریب پایداری (FoS) ترانشه‌های مسیرهای دسترسی برج میلاد بررسی شده است. بانک اطلاعات به‌کار رفته در شبکه، شامل ضرایب تحلیل پایداری حاصل از 256 گزینه مختلف (2D، 3D، ترانشه افقی و یا با شیب 18 نسبت به افق در بالا) است. برای مسئله مورد نظر، برنامه شبکه‌های عصبی مصنوعی سه لایه پرسپترون(MLP) در محیط MATLAB7 نوشته شد و شبکه بهینه(تعداد لایه‌های مخفی، تابع تبدیل و نوع آموزش شبکه) به طریق سعی و خطا، و با توجه به شاخص‌های خطا و تطابق با داده‌ها انتخاب شد. پارامترهای ورودی شبکه شامل مشخصات ژئوتکنیکی و هندسی ترانشه‌ها (چسبندگی، زاویه اصطکاک، مدول یانگ، ارتفاع شیب، شیب ترانشه و زاویه اتساع) و پارامترهای خروجی شامل ضرایب پایداری در حالت‌های مختلف است. نتایج نشان می‌دهد که ANNs قابلیت بسیار مناسبی در تخمین ضرایب پایداری ترانشه‌ها در کلیه موارد بررسی شده دارد. M3 ER -