fa استفاده از هوش مصنوعی و الگوریتم ژنتیک در تخمین ظرفیت باربری دینامیکی شمع فولادی و بتنی پیش‌ساخته سازه های فراساحلی Offshore Structure مقاله پژوهشي Research Paper <span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">شالوده عمیق یا شمع، المان‌های سازه‌ای هستند که به منظور انتقال بار سازۀ فوقانی به اعماق زمین و لایه های سخت از آنها استفاده می‌گردد. به دلیل بالا بودن هزینه اجرای شالوده‌های عمیق، طراحی بهینه شمع‌ و تخمین ظرفیت باربری آنها بسیار اهمیت دارد که استفاده از روش هوش مصنوعی و الگوریتم ژنتیک می‌تواند در این راستا راهگشا باشد. در این پژوهش با انتخاب دو نوع شمع پُرکاربرد شامل شمع فلزی لوله‌ای و شمع بتنی پیش‌ساخته، ظرفیت باربری محوری شمع با مدلسازی در نرم‌افزار المان محدود </span></span></span><span style="font-family:times new roman,serif;"><span style="font-size:11.0pt;">Plaxis 2D</span></span><span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;"> و تحت بار هارمونیک در یک خاک لایه‌ای مورد ارزیابی قرار گرفت و نتایج با داده‌های آزمایش دینامیکی شمع (</span></span></span><span style="font-family:times new roman,serif;"><span style="font-size:10.0pt;">PDA</span></span>^{<span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">1</span></span></span>}<span dir="RTL"><span style="font-family:b nazanin;"><span style="font-size:11.0pt;">) در یک مطالعه موردی مقایسه گردید. در این پژوهش نتایج حاصل از 100 تحلیل عددی با استفاده از الگوریتم ژنتیک بهینه‌سازی شده است که منجر به معرفی یک رابطه تخمینی با دقت مناسب در ظرفیت باربری محوری شمع به تفکیک برای شمع‌ بتنی و فلزی گردید. همچنین در این پژوهش مقایسه روش‌های مختلف ارزیابی ظرفیت باربری شمع نشان دهنده این واقعیت است که اغلب روش‌های تجربی ظرفیت باربری بسیار بزرگتری را در مقایسه مقادیر واقعی ارائه می‌دهند</span></span></span> Pile foundations provide support for structures, transferring their load to layers of soil or rock that have sufficient bearing capacity and suitable settlement characteristics. There are a very wide range of foundation types available, suitable for different applications, depending on considerations. There are various methods to estimate the axial bearing capacity of the pile such as experimental, analytical and in-situ experiments. Accurate estimation of bearing capacity is essential in geotechnical engineering due to the high cost of implementing deep foundations, that use of artificial intelligence and genetic algorithms can be helpful in this regard. In this study compressive bearing capacity for two prefabricated concrete and steel pipe evaluated under harmonic load using modeling in finite element software (Plaxis 2D), and the results were compared with the Dynamic Load Testing (PDA) data in a case study. In this research, the results of 100 numerical analyzes have been optimized using a genetic algorithm that resulted in the introduction of an estimated relationship with the accuracy of the pile bearing axial bearing capacity for concrete and metal piles. In this study, comparing different methods of assessing the bearing capacity of piles indicates the fact that most empirical methods provide a much larger load capacity compared to actual values. شمع, ظرفیت باربری, الگوریتم ژنتیک, هوش مصنوعی, کوبش شمع. Genetic Algorithm, Bearing Capacity, Pile, Dynamic Load. 59 68 http://marine-eng.ir/browse.php?a_code=A-10-967-1&slc_lang=fa&sid=1 Saeed Ghaffarpour Jahromi سعید غفارپور جهرمی saeed_ghf@srttu.edu 10031947532846003743 10031947532846003743 Yes Faculty of Civil Engineering, Shahid Rajaee Teacher Training University دانشگاه تربیت دبیر شهید رجایی-دانشکده مهندسی عمران Roohollah Izanloo روح‌اله ایزانلو izanloo.r@gmail.com 10031947532846003744 10031947532846003744 No Pouyandegan Danesh Institute of Education, Chalus موسسه آموزش عالی پویندگان دانش، چالوس