ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
Publisher of Iranian Journals and Conference Proceedings
Login |Register |Help |عضویت کتابخانه ها
Paper
Title

تخمین مقاومت فشاری تک محوری و مدول الاستیسیته نمونه های کنگلومرا با استفاده از رگرسیون و شبکه عصبی مصنوعی

Year: 1393
COI: JR_JGEO-10-1_002
Language: PersianView: 229
This Paper With 12 Page And PDF Format Ready To Download

Buy and Download

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این Paper را که دارای 12 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

Authors

مجتبی حیدری - گروه زمین شناسی، دانشکده علوم پایه، دانشگاه بوعلی سینا، همدان، ایران
بهروز رفیعی - گروه زمین شناسی، دانشکده علوم پایه، دانشگاه بوعلی سینا، همدان، ایران
مهران نوری - گروه زمین شناسی، دانشکده علوم پایه، دانشگاه بوعلی سینا، همدان، ایران
غلامرضا خانلری - گروه زمین شناسی، دانشکده علوم پایه، دانشگاه بوعلی سینا، همدان، ایران

Abstract:

تعیین دقیق برخی از خواص مکانیکی سنگ ها، مانند مقاومت فشاری تک محوری (Uniaxial Compressive Strength , UCS ) و مدول الاستیسیته (E)، به زمان و هزینه قابل توجهی برای جمع آوری و آماده سازی نمونه های مناسب و آزمون های آزمایشگاهی نیاز دارد. UCS و E از جمله مهمترین خواص سنگ ها می باشند که تعیین آنها برای مطالعات مهندسی سنگ در بسیاری از پروژه های معدنی و مهندسی عمران ضروری می باشد. بنابراین برای به حداقل رساندن زمان و هزینه می توان از روابط تجربی که به طور گسترده ای برای برآورد خواص پیچیده سنگ ها از داده های حاصل از روش های آسان بهره می گیرد، استفاده نمود. هدف از این مطالعه، بررسی روش های شبکه عصبی مصنوعی (Artificial Neural Network , ANN ) و رگرسیون چند متغیره خطی (Multiple linear regression , MLR ) به منظور برآورد UCS و E می باشد. در این پژوهش متغیرهای مستقل شاخص مقاومت بار نقطه ای ((50) Point Load Strength Index , Is )، سرعت موج (Pressure wave velocity , Vp )، تخلخل (1) ، چگالی و درصد رطوبت (water content , Wn ) به عنوان پارامترهای ورودی به منظور پیش بینی متغیرهای وابسته (UCS و E) در هر دو روش استفاده شدند. روش UCS ، MLR و E را به ترتیب با ضرایب تعیین 0 / 85= R2 و 0 / 73= R2 پیش بینی نموده است. استفاده از شبکه عصبی پرسپترون چند لایه (Multilayer Perceptron , MLP )، ضرایب تعیین را تا سطح قابل قبولی (0 / 98= R2 برای UCS و 0 / 92= R2 برای E) بهبود بخشید. در این مطالعه، علاوه بر ضریب تعیین (R2)، شاخص های ریشه میانگین مربعات خطا (Root Mean Square Error , RMSE ) و میانگین قدر مطلق خطا (Mean Absolute Error , MAE )، برای ارزیابی قابلیت پیش بینی، مدل های ANN و MLR پیشنهادی نیز محاسبه شدند. نتایج این مطالعه نشان داد که روش ANN، عملکرد بهتری در پیش بینی UCS و E نسبت به روش MLR دارد.

Keywords:

مقاومت فشاری تک محوری , مدول الاستیسیته , کنگلومرا , رگرسیون چند متغیره خطی , شبکه عصبی

Paper COI Code

This Paper COI Code is JR_JGEO-10-1_002. Also You can use the following address to link to this article. This link is permanent and is used as an article registration confirmation in the Civilica reference:

https://civilica.com/doc/705331/

How to Cite to This Paper:

If you want to refer to this Paper in your research work, you can simply use the following phrase in the resources section:
حیدری ، مجتبی و رفیعی ، بهروز و نوری ، مهران و خانلری ، غلامرضا،1393، تخمین مقاومت فشاری تک محوری و مدول الاستیسیته نمونه های کنگلومرا با استفاده از رگرسیون و شبکه عصبی مصنوعی ،https://civilica.com/doc/705331

Research Info Management

Certificate | Report | من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این Paper را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

Scientometrics

The specifications of the publisher center of this Paper are as follows:
Type of center: دانشگاه دولتی
Paper count: 9,794
In the scientometrics section of CIVILICA, you can see the scientific ranking of the Iranian academic and research centers based on the statistics of indexed articles.

New Papers

Share this page

More information about COI

COI stands for "CIVILICA Object Identifier". COI is the unique code assigned to articles of Iranian conferences and journals when indexing on the CIVILICA citation database.

The COI is the national code of documents indexed in CIVILICA and is a unique and permanent code. it can always be cited and tracked and assumed as registration confirmation ID.

Support