سیران علیزاده - دانشجوی کارشناسی ارشد ،دانشگاه ارومیه
راشد پورمیرزایی - استادیار،دانشگاه صنعتی ارومیه
رامین نیکروز - دانشیار،دانشگاه ارومیه

مهمترین معیار کمی در طبقه بندی نوع خاک، سرعت امواج برشی است که به طور معمول با استفاده از روش های لرزه نگاری به دست می آید. بنابراین تخمین مناسب سرعت امواج برشی در تعیین نوع خاک از اهمیت ویژه ای برخوردار است. در مطالعه حاضر سعی شده است با داده های لرزه ای درون چاهی و با استفاده از شبکه عصبی مصنوعی به عنوان یک روش کارآمد در زمینه هوش مصنوعی، سرعت موج برشی مدل سازی و سپس طبقه بندی نوع خاک مشخص شود. داده های لرزه ای برای مطالعه حاضر در منطقه سراب ذهاب برداشت شد. در ابتدا داده ها مورد پیش پردازش قرار گرفته شد و سپس مختصات چاه ها در نرم افزار ArcGIS پیاده سازی شدند. در ادامه شبکه عصبی از نوع (لورنبرگ- مارکوارت) با 80 % داده ها مورد آموزش قرار گرفت و با 20 % داده ها تست انجام شد، که میزان خطا برابر با مقدار 0,000247 بود. با توجه به نتایج حاصله یک مدل سه بعدی از سرعت موج برشی زمین ارایه شد. در انتها در هر یک از نقاط Vs30 خاک تعیین شد و با توجه به آن طبقه بندی نوع خاک براساس آیین نامه 2800 به دست آمد.

آیین نامه 2800 ، لرزه نگاری درون چاهی، شبکه عصبی مصنوعی، سرعت موج برشی، طبقه بندی خاک