ارزیابی دوام طولانی مدت سنگ های ساختمانی کربناته بعد از چرخه های ذوب و انجماد با استفاده از روش CART
Publish place: Scientific Quarterly Journal of Iranian Association of Engineering geology، Vol: 13، Issue: 3
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 106
This Paper With 15 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIRAEG-13-3_005
تاریخ نمایه سازی: 4 دی 1402
Abstract:
چرخه های ذوب و انجماد یکی از مهمترین عوامل هوازدگی فیزیکی سنگ ها است که می تواند به شدت دوام طولانی مدت و عمر سرویس دهی سنگ های ساختمانی را تحت تاثیر قرار دهد. به منظور ارزیابی دوام طولانی مدت سنگ ها در برابر چرخه های ذوب و انجماد می توان از دو پارامتر ثابت تخریب (λ) و شاخص نیمه عمر (N۱/۲) استفاده کرد. تعیین این دو پارامتر نیازمند انجام آزمایش ذوب و انجماد است که فرآیندی سخت، زمان بر و پر هزینه است. لذا توسعه مدل هایی غیر مستقیم به گونه ای که بتوان این دو پارامتر را بدون انجام آزمایش ذوب و انجماد تخمین زد، می تواند در ارزیابی دوام طولانی مدت سنگ ها به طور سریع و با هزینه کمتر مفید واقع شود. در این مقاله با بررسی سرعت موج فشاری (Vp) سنگ ها طی فرآیند ذوب و انجماد برای ۲۲ نوع از سنگ های ساختمانی کربناته ایران، دو پارامتر λ و N۱/۲ تعیین شدند. سپس بر اساس داده های به دست آمده و با استفاده از دو تکنیک تحلیل رگرسیون و درخت طبقه بندی و رگرسیون (CART) مدل هایی برای پیش بینی این دو پارامتر توسعه داده شد. نتایج نشان داد که مدل های توسعه یافته بر اساس تکنیک CART، دقت و صحت بالاتری نسبت به مدل های رگرسیونی دارند. این مدل ها قادر هستند بر اساس تخلخل اولیه سنگ پیش بینی قابل قبولی از λ و N۱/۲ ارائه دهند.
Keywords:
چرخه های ذوب و انجماد , دوام طولانی مدت , درخت طبقه بندی و رگرسیون (CART) , شاخص نیمه عمر , ثابت تخریب
Authors
وحید امیرکیایی
دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان، اصفهان، ایران
ابراهیم قاسمی
دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان، اصفهان، ایران
لهراسب فرامرزی
دانشکده مهندسی معدن، دانشگاه صنعتی اصفهان، اصفهان، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :