TY - JOUR ID - TI - Prediction of Ultimate Bearing Capacity of Shallow Foundations onCohesionless Soils Using Back Propagation Neural Networks (BPNN) AU - Khalid R.Mahmood Al-Janabi PY - 2008 VL - IS - 12 SP - 162 EP - 176 JO - Iraqi Journal of Civil Engineering المجلة العراقية للهندسة المدنية SN - 19927428 2706686X AB - Abstract:
This study explores the potential of back propagation neural networks (BPNN) computing
paradigm to predict the ultimate bearing capacity of shallow foundations on cohesionless
soils. The data from 97 load tests on footings (with sizes corresponding to those of real
footings and smaller sized model footings) were used to train and validate the model. Five
parameters are considered to have the most significant impact on the magnitude of
ultimate bearing capacity of shallow foundations on cohesionless soil and are thus used as
the model inputs. These include the width of the footing, depth of embedment, length to
width ratio, dry or submerge unit weight and angle of internal friction of the soil. The
model output is the ultimate bearing capacity. Performance of the model was
comprehensively evaluated. The values of the performance evaluation measures such as
coefficient of correlation, root mean square error, mean absolute error reveal that the
model can be effectively used for the bearing capacity prediction. BPNN model is
compared with the values predicted by most commonly used bearing capacity theories.
The results indicate that the model perform better than the theoretical methods.
KEYWORDS: Ultimate bearing capacity; Shallow foundations; cohesionless soil; back
propagation neural network (BPNN); prediction

يهدف هذا البحث الى استكشاف امكانية استخدام الشبكات العصبية بتقنية الانتشار الرجعي للخطأ لايجاد قابلية التحمل القصوى للاسسالضحلة المقامة على الترب غير المتماسكة. قاعدة بيانات شملت ما مجموعه 97 حالة لفحوص تحميل على اسس بابعاد حقيقية واخرىلنماذج صغيرة ، لبناء واثبات نماذج الشبكات العصبية. العوامل الخمسة التالية يمكن اعتبارها من العوامل ذات التأثير الأكبر على قابليةالتحمل القصوى وقد اعتبرت كمعطيات للنموذج وتشمل عرض الاساس، عمق الطمر للاساس، نسبة الطول الى عرض الاساس،الكثافةالجافة او المغمورة وزاوية الاحتكاك الداخلي للتربة ، في حين إن قابلية التحمل القصوى هي نتيجة النموذج. تم اجراء تقييم شاملللنموذج باستخدام معامل الارتباط، جذر معدل مربع الخطأ، و معدل الخطأ المطلق. وقد اظهرت النتائج فاعلية النموذج في ايجاد قابليةالتحمل القصوى. تم مقارنة النموذج مع اكثر المعادلات المستخدمة شيوعأ لايجاد قابلية التحمل القصوى وقد اظهرت النتائج افضليةالنموذج على تلك النظريات. ER -