การประมาณค่ากำลังต้านทานแรงเฉือนของดินเหนียวกรุงเทพฯโดยใช้โครงข่ายปรัสาทเทียม

Estimation of Shear Strength of Bangkok Clay using Artificial Neural Network

Name: นิวัตน์ ศุภไพบูลย์

keyword: ค่ากำลังต้านทานแรงเฉือนในสภาวะไม่ระบายน้ำ

; Undrained Shear Strength

Abstract: บทความนี้เสนอผลการศึกษาการประยกต์ใช้ระบบโครงข่ายประสาทเทียมในการทำนายค่ากำลังต้านทาน แรงเฉือนของดินเหนียวกรุงเทพฯในสภาวะไม่ระบายน้ำได้สอนให้โปรแกรมเรียนรู้ความสัมพันธ์ของข้อมูลการทดสอบเบื้องต้น โดยแบ่งเป็น 3 กรณี ได้แก่ 1 ประกอบด้วยตัวแปรนำเข้า 3ตัวแปร คือความลึก ปริมาณความชื้น หน่วยน้ำหนักต่อหน่วยปริมาตร กรณีที่ 2 ประกอบด้วยตัวแปรนำเข้า 4ตัวแปร คือความลึก ปริมาณความชื้น หน่วยน้ำหนักต่อหน่วยปริมาตร และค่าการตอกทะลุทะลวงมสตรฐาน และกรณีที่ 3ประกอบตัวแปรนำเข้า 6 ตัวแปร คือ ความลึก ปริมาณความชื้น หน่วยน้ำหนักต่อหน่วยปริมาตร ขีดจำกัดความเหลว ขีดจำกัดพลาสติก และดัชนีสภาพพลาสติก เพื่อศึกษาถึง ตัวแปรนำเข้าและฟังก์ชันการแปลงค่าความสัมพันธ์แบบต่างๆที่เหมาะสมในการประมาณค่ากำลังต้านทานแรงเฉือนในสภาพไม่ระบายน้ำ โดยใช้ข้อมูลจากการเจาะสำรวจดินที่มีแล้ว แล้วทดสอบความถูกต้องของการทำนายค่ากำลังต้านทานแรงเฉือนในสภาพวะไม่ระบายน้ำ ด้วยข้อมูลจากการเจาะสำรวจดินอีกชุดหนึ่งเพื่อประเมินความเหมาะสมของโมดูลเครื่อข่ายประสาทเทียมแบบต่างๆ ผลการศึกษา ในครั้งนี้แสดงถึงความสัมพันธ์ที่เหมาะสม ซึ่งประกอบด้วยตัวแปรนำเข้า 6 ตัวแปร จำนวนชั้นแฝง 1 ชั้น มี 25 หน่วย ฟังก์ชันการส่งผ่านที่เหมาะสมคือ แทนซิกมอยด์ และรอบของการคำนวณ คือ 1000 รอบ ได้ค่า R2 ของการฝึกสอนคือ 0.990 และ R2 ของการทดสอบคือ 0.8290 นอกจากนี้ยังได้เปรียบเทียบกับสมการทั่วไป ซึ่งผลที่ได้พบว่าโครงข่ายประสาทเทียมให้ผลการทำนายที่ดีกว่า ดังนั้นโครงข่ายประสาทเทียมจึงเป็นอีกทางเลือก เพื่อช่วยให้วิศวกรโยธาสามารถประมาณค่า หรือตรวจสอบค่ากำลังต้านทานแรงเฮือนได้โดยการทดสอบคุณสมบัติเบื้องต้นเท่านั้น

Abstract: This study presents the application of artificial neural network (ANN) system for predicting the undrained shear strength of Bangkok clay. In this study, the program which developed from ANN is trained to understand the relationship of soil's basic properties using 3 sets of information: Set 1, contains 3 parameters which are depth, moisture content and unit weight. For set 2, it composes of 4 parameters which are depth, moisture content, unit weight and SPT. The final set constitutes 6 factors which are depth, moisture content, unit weight, Liquid Limit, Plastic Limit and Plasticity Index. These parameters are studied in order to find the relationship between them and to find functions that can appropriately approximate the undrained shear strength. Then, the undrained shear strengths are predicted by the program and compared with the undrained shear strengths from the actual testing for evaluating its accuracy with different types of ANN. The results illustrate that the relationship which contains 6 parameter (hidden layer 1 layer 25 units) is suitable and the appropriate function is tansigmoid with 1000 iterations having R- of training of 0.990. On the other hand, R2 of testing is 0.8290. Moreover, in comparing between the neural network and common programs, the neural network is more precise than the others. Hence, the neutral network system is another option so as to help civil engineers predict and monitor the undrained shear strength by using only physical property tests.

มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี. สำนักหอสมุด.

Address: กรุงเทพมหานคร

Email: info.lib@mail.kmutt.ac.th

Name: วิชัย สังวรปทานสกุล

Role: อาจารย์ที่ปรึกษา

Name: พานิช วุฒิพฤกษ์

Role: อาจารย์ที่ปรึกษา

Created: 2551

Modified: 2553-10-10

Issued: 2553-04-21

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: CVE2813

tha

DegreeName: วิศวกรรมศาสตรมหาบัณฑิต

Level: ปริญญาโท

Descipline: วิศวกรรมโยธา

Grantor: มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

©copyrights มหาวิทยาลัยเทคโนโลยีพระจอมเกล้าธนบุรี

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	CVE2813.pdf	2.79 MB	92	2025-07-04 15:17:27
2	CVE2813ab.pdf	72.28 KB	9	2022-09-23 10:55:00

ใช้เวลา

-0.964777 วินาที