کدخبر:0043/14050301

31 ارديبهشت 1405

تازه ترین یافته پژوهشگران دانشگاه صنعتی اصفهان؛ارتقای دقت پیش‌بینی پتانسیل رمبندگی خاک با در نظر گرفتن مکش آب در خاک و هوش مصنوعی
پژوهش مشترک پژوهشگران دانشکده مهندسی عمران دانشگاه صنعتی اصفهان با ارائه چارچوبی نوین مبتنی بر هوش مصنوعی، موفق به ارتقای چشمگیر دقت پیش‌بینی پتانسیل رمبندگی در خاک‌های غیر اشباع ایران شد و نتایج آن در مجله معتبر علمی «Scientific Reports» از مجموعه نشریات «Nature» انتشار یافت.

به گزارش روابط عمومی دانشگاه صنعتی اصفهان، این پژوهش کاربردی و ارزشمند توسط تیمی متشکل از اعظم‌السادات طباطبائی دانش آموخته دکتری، سید مهدی ابطحی استاد دانشکده مهندسی عمران، حمید هاشم‌الحسینی دانشیار دانشکده مهندسی عمران دانشگاه صنعتی اصفهان و البرز حاجیان‌نیا استادیار و محقق خارج از کشور به سرانجام رسیده است. 

اعظم‌السادات طباطبائی، پژوهشگر و نویسنده نخست این مقاله، با اشاره به چالش‌های مهندسی ژئوتکنیک در این باره گفت: رمبندگی خاک یکی از دغدغه‌های جدی و چالش‌برانگیز در مهندسی ژئوتکنیک است که می‌تواند بر اثر مرطوب شدن ناگهانی برخی خاک‌های با پتانسیل رمبندگی، موجب نشست‌های ناگهانی، وسیع و آسیب‌های جدی به سازه‌ها و زیرساخت‌ها شود. تعیین دقیق این پدیده، به‌ویژه در خاک‌های غیر اشباع، همواره به دلیل پیچیدگی‌های رفتاری خاک با دشواری‌های زیادی همراه بوده است.

وی درباره جزئیات این دستاورد علمی اظهار داشت: ما در این تحقیق موفق به توسعه یک چارچوب یکپارچه و نوین شدیم که داده‌های حاصل از آزمایش‌های دقیق آزمایشگاهی مانند منحنی مشخصه خاک_آب (SWCC)، آزمایش‌های تحکیم مضاعف و رمبندگی تحت مکش کنترل‌شده و آنالیزهای ریزساختاری را با مدل‌های پیشرفته یادگیری ماشین ترکیب می‌کند.

این دانش آموخته دانشگاه صنعتی اصفهان با تبیین دستاوردهای این کار علمی افزود: بررسی‌های ما نشان داد که مکش ماتریسی و پارامترهای هیدرولیکی خاک نقش بسیار تعیین‌کننده‌ای در رفتار رمبندگی دارند؛ به طوری که با وارد کردن این متغیرها به مدل، دقت پیش‌بینی نسبت به روش‌های سنتی و متداول کنونی به شکل چشمگیری افزایش یافته است.

طباطبائی در تشریح جزئیات دستاوردهای این پژوهش خاطرنشان کرد: در این مطالعه توانستیم با بهره‌گیری از مدل یادگیری ماشین «Gradient Boosting» به عملکرد بسیار بالایی در پیش‌بینی دقیق پتانسیل رمبندگی دست یابیم. همچنین در جریان این تحقیق، «فشار غرقابی»، «مکش ماتریسی» و «درصد رطوبت حجمی اشباع» به عنوان کلیدی‌ترین عوامل مؤثر در رمبندگی خاک شناسایی شدند.

نویسنده مقاله به تفاوت رفتار انواع خاک‌های بومی کشور در این آزمایش‌ها اشاره کرد و گفت: یافته‌های ما ثابت کرد خاک‌های لسی در مقایسه با خاک‌های آبرفتی–دریاچه‌ای، حساسیت به مراتب بیشتری به تغییرات مکش و پدیده رمبندگی نشان می‌دهند. علاوه بر این، توانستیم ارتباط مستقیم و علمی میان تغییرات ریزساختاری خاک و رفتار مکانیکی آن را تحت اثر مکش اثبات کنیم.

وی همچنین از ارائه یک راهکار کاربردی برای مهندسان خبر داد و افزود: برای تسهیل کار در پروژه‌های عمرانی، یک معادله تجربی رگرسیونی فرموله‌شده ارائه کرده‌ایم که امکان برآورد اولیه پتانسیل رمبندگی را در کاربردهای مهندسی به‌سرعت فراهم می‌کند.

به گفته این پژوهشگر دانشگاه صنعتی اصفهان، این پژوهش با تلفیق ویژگی‌های ریزساختاری، پارامترهای منحنی مشخصه خاک_آب و مدل‌سازی هوشمند، چارچوبی کاملاً قابل‌اعتماد و علمی برای ارزیابی پتانسیل رمبندگی خاک‌های غیر اشباع به دست می‌دهد که می‌تواند از این پس در طراحی‌های ژئوتکنیکی، ارزیابی دقیق ریسک پروژه و ارتقای ایمنی زیرساخت‌های عمرانی کشور به طور گسترده به کار گرفته شود.

دسترسی به متن مقاله
https://link.springer.com/article/10.1038/s41598-026-46537-3

سایر تصاویر

Plain text

  • تگ‌های HTML مجاز نیستند.
  • آدرس های وب و ایمیل به صورت اتوماتیک به لینک تبدیل می شوند.
  • خطوط و پاراگرافها به صورت اتوماتیک جدا سازی می شود.
CAPTCHA
برای اطمینان از اینکه شما یک فرد حقیقی هستید و از ورود اسپمرهای خودکار جلوگیری شود.
جای خالی را پر کنید.