یاسین عبدی - دانشگاه لرستان، دانشکده علوم پایه، لرستان، ایران
امین طاهری گراوند - دانشگاه لرستان، دانشکده کشاورزی، لرستان، ایران

هدف از این مقاله توسعه یک مدل شبکه عصبی مصنوعی به منظور پیش بینی مقاومت برشی سنگ های آهکی است. در این مطالعه از دو روش شبکه عصبی مصنوعی و آنالیز رگرسیون چند متغیره به منظور تخمین مقاومت برشی سنگ های آهکی با استفاده از خصوصیات فیزیکی و شاخص این سنگ ها استفاده شده است. به همین منظور تعداد ۴۰ نمونه مغزه از سنگ های مورد نظر آماده شده است و در آزمایشگاه مورد آزمایش قرار گرفته اند. به منظور توسعه مدل مورد نظر، خصوصیاتی همچون مقاومت بار نقطه ای، سرعت سیر موج، شاخص دوام و دانسیته خشک نمونه ها به عنوان داده های ورودی در نظر گرفته شده است. در این مطالعه از یک شبکع عصبی پرسپترون چند لایه یا MLP با ۴ ورودی و یک خروجی (مقاومت برشی) استفاده شده است. نتایج نشان می دهد که ضریب رگرسیون بین داده های پیش بینی شده با استفاده از شبکه عصبی و داده های واقعی ۸۳۵/۰ است که نشان دهنده عملکرد قابل قبول شبکه توسعه داده شده در این مطالعه است.

شبکه عصبی مصنوعی، پرسپترون چند لایه، رگرسیون چند متغیره، مقاومت برشی، سنگ آهک