Utilisation Des Méthodes ANN Pour La Prédiction des parametres de gonflements des argiles

Abstract

Le phénomène de gonflement est l’un des problèmes géotechniques complexes dont l’ingénieur est souvent confronté, et sa quantification est essentielle pour le dimensionnement des ouvrages. Divers procédés peuvent être appliqués à l'identification des sols gonflants. Certains, tels que l'identification minéralogique et les mesures directes de gonflement, sont plus ou moins longs et nécessitent un appareillage bien spécifique. Or il existe d’autres méthodes, qui offrent l'avantage d'être relativement rapides et beaucoup moins coûteux : ils sont basés sur des paramètres de mécanique des sols. Utilisant ces paramètres, plusieurs auteurs ont introduit des modèles de prédiction du gonflement des sols exprimés en majorité sous forme de classifications et formules empiriques. Ce travail concerne dans une première partie l’identification et la classification du potentiel de gonflement de deux argiles situées au nord-ouest de l’Algérie. Suivie d’une analyse statistique effectuée dans le but de tester la fiabilité des observations pour l’estimation de la pression et l’amplitude de gonflement utilisant une régression linéaire multiple. Une deuxième partie est consacrée au développement d’une méthode de prévision par les réseaux de neurones artificiels permettant l’estimation des paramètres de gonflement (pression et amplitude) en minimisant l’écart entre les mesures expérimentales et les résultats numériques. La modélisation par les réseaux de neurones artificiels présente un grand intérêt dans le domaine de la prévision. L'application de quatre réseaux permet d'obtenir de bonnes prévisions des paramètres de gonflement. Dans la dernière partie, l’utilisation des prévisions de gonflement obtenues par RNA sont utilisées pour construire des cartes préventives des régions étudiées