بهبود عملكرد شبكه عصبي مصنوعي در برآورد درصد رطوبت بهينه و تراكم بيشينه خاكها بوسيله طبقه بندي فازي

تاكنون مطالعات بسياري درخصوص كاربرد شبكه هاي عصبي مصنوعي درمسائل مهندسي ژئوتكنيك انجام شده است همواره دستيابي به شبكه عصبي كه توانايي ارايه پاسخ با كمترين خطاي ممكن درشرايط مشابه را دارا باشد هدف اصلي بوده است اين تحقيق سعي دارد كه اين فرايند را ازجهت ارايه الگويي براي انتخاب بهترين داده هاي لازم براي اموزش شبكه عصبي با استفاده ازروش طبقه بندي فازي Fuzzy C-Mean clustering مطرح نمايد بدين منظور با هدف براورد درصد رطوبت بهينه ووزن وااحدحجم خشك بيشينه خاكها درازمايش تراكم استاندارد نتايج حدود 200 نمونه خاك جمع اوري شده است علاوه براين تعداد نمونه كه جهت اموزش شبكه عصبي استفاده شده اند 16نمونه ازمايش ديگر براي ارزيابي اعتمادپذيري نتايج شبكههاي عصبي اموزش ديده استفاده شده است به منظور تلفيق روش طبقه بندي فازي و شبكه عصبي يك برنامه با استفاده ازبرنامه متلب نوشته شده است كه بهترين مجموعه اموزشي را با استفاده ازروش طبقه بندي فازي انتخاب نموده و براي اموزش به شبكه عصبي ارايه ميدهد مقايسه نتايج نشان ميدهد كه استفاده ازطبقه بندي فازي باعث افزايش اعتمادپذيري نتايج شده و پاسخ شبكه عصبي بهبود يافته است