Predicția raportului de rulment din California (CBR) a solurilor cu granulație fină prin metode AI

progresele în domeniul inteligenței artificiale (AI) oferă oportunități de utilizare a unor noi algoritmi și modele care permit cercetătorilor să rezolve cele mai complexe sisteme. Ca și în alte domenii de inginerie, metodele AI au fost utilizate pe scară largă în ingineria Geotehnică. Puțin probabil, pare să existe un număr destul de insuficient de cercetări legate de utilizarea metodelor AI pentru estimarea raportului de rulment din California (CBR). Au existat de fapt unele încercări de a dezvolta modele de predicție pentru CBR, dar majoritatea acestor modele erau în esență corelații statistice. Cu toate acestea, multe dintre aceste ecuații de corelație statistică produc, în general, valori CBR nesatisfăcătoare. Cu toate acestea, această lucrare este probabil una dintre primele cercetări care își propune să investigheze aplicabilitatea metodelor AI pentru predicția CBR. În acest context, rețeaua neuronală artificială (ANN) și programarea expresiei genelor (GEP) au fost aplicate pentru predicția CBR a solurilor cu granulație fină din regiunea Anatolia de Sud-Est/Turcia. Folosind datele de testare CBR ale solurilor cu granulație fină, unele modele adecvate sunt dezvoltate cu succes. Rezultatele au arătat că atât ANN, cât și GEP sunt capabili să învețe relația dintre CBR și proprietățile de bază ale solului. În plus, se efectuează analiza sensibilității și se constată că greutatea unitară maximă uscată (yd) este cel mai eficient parametru pe CBR printre altele, cum ar fi indicele de plasticitate (PI), conținutul optim de umiditate (wopt), conținutul de nisip, conținutul de argilă + nămol (C + S), limita de lichid (LL) și, respectiv, conținutul de pietriș (g).