خلاصه در سال های اخیر، هوش مصنوعی در بسیاری از کاربردهای مهندسی ژئوتکنیک مورد استفاده قرار گرفته و تا حدودی به موفقیت نزدیک شده است. نشست شمع از جمله مسائلی است که در محاسبات طراحی فوندانسیون ها از اهمیت ویژه ای برخوردار است. هدف از این تحقیق مقایسه عملکرد به منظور پیش بینی نشست شمع های بتنی برمبنای نتایج حاصل از آزمون (SVM) و ماشین بردار پشتیبان (ANNs) مدل های شبکه عصبی مصنوعی مورد بررسی قرار گرفته است. متغیرهای ورودی مدل ها (MLP) است. بدین منظور شبکه عصبی مصنوعی پرسپترون چند لایه (CPT) نفوذ مخروط عبارتند از نوع بار، نوع اجرا، صلبیت محوری شمع، سطح مقطع شمع، پیرامون شمع در تماس با خاک، طول شمع، طول مدفون شده، نتایج آزمایش در پنج لایه، نتایج آزمایش در انتهای شمع و بار قائم اعمالی شمع که خروجی مدل نیز نشست اندازه گیری شده شمع می باشد. در نهایت عملکرد مدل ها با توجه به معیارهای سنجش خطا مورد بررسی قرار گرفته است که بیانگر عملکرد مناسب تر مدل ماشین بردار پشتیبان نسبت به مدل شبکه عصبی مصنوعی می باشد

کلمات کلیدی