پیش‌بینی ظرفیت باربری نهایی شمع‌های تحت اثر بار محوری به کمک ماشین بردار پشتیبان(SVM)

نوع مقاله : پژوهشی

نویسندگان

• علیرضا کردجزی
• فریدون پویانژاد

دانشگاه فردوسی مشهد

10.22067/civil.v24i1.22007

چکیده

پیش بینی ظرفیت باربری شمع های تحت اثر بار محوری یکی از مسائل اساسی در مهندسی ژئوتکنیک می‌باشد و تاکنون روش های متفاوتی برای ارزیابی آن ارائه شده است. کار آیی روش های یادگیری ماشین در ارزیابی پدیده های ژئوتکنیکی در پژوهش های گوناگونی ذکر شده است. از جمله روش های یادگیری ماشین می توان به روش ماشین بردار پشتیبان (SVM) اشاره کرد. در این مقاله از یک مدل ماشین بردار پشتیبان مبتنی بر داده-های آزمایش نفوذ مخروط(CPT) برای ارزیابی ظرفیت باربری نهایی شمع های تحت اثر بار محوری استفاده شده است. داده های مورد استفاده در این پژوهش، از مقالات منتشر‌شده، استخراج شده است و این داده ها شامل نتایج آزمون بارگذاری استاتیکی شمع در مقیاس واقعی، نتایج آزمایش نفوذ مخروط(CPT) در خاک محل و خواص هندسی شمع می باشد. با مقایسه‌ ی نتایج به دست‌آمده از مدل ارائه‌شده و مقادیر واقعی، کارایی مناسب مدل تأیید می شود. در نهایت با تحلیل حساسیت، اثر هر یک از متغیر های ورودی مدل نیز مورد بررسی قرار می گیرد.

کلیدواژه‌ها

• آزمایش بارگذاری استاتیکی شمع
• آزمایش نفوذ مخروط
• ظرفیت باربری نهایی شمع
• ماشین بردار پشتیبان

---

عنوان مقاله [English]

Prediction of Ultimate Bearing Capacity of Axially Loaded Piles Using a Support Vector Machine

نویسندگان [English]

• ali Kordjazi
• fridon Pooya Nejad

چکیده [English]

Bearing capacity prediction of axially loaded piles is one of the most important problems in geotechnical engineering practices, with a wide variety range of methods which have been introduced to forecast it accurately. Machine learning methods have been reported by many contemporary researches with some degree of success in modeling geotechnical phenomena. In this study, a fairly new machine learning method known as Support Vector Machine (SVM) has been used to develop a model to approximate the ultimate bearing capacity of axially loaded piles, based on Cone Penetration Test (CPT) data. The utilized dataset obtained from published literature contains full scale static load test and CPT results and pile geometry for each sample. Aditionally, sensitivity analysis of the model respect to each input parameter has been investigated. Finally, a comparison between actual values and predicted bearing capacity confirms efficiency of the developed model.

کلیدواژه‌ها [English]

• Static pile load test
• Cone penetration test(CPT)
• Ultimate bearing capacity
• Support vector machine