پیش بینی مقاومت فشاری برای سنگ دولومیت منطقه شهرضا با استفاده از شبکه عصبی مصنوعی

در پروژه های مهندسی تخمین کرنش در تنش های مختلف و یا به عبارتی تخمین مقاومت فشاری تک محوره پر اهمیت است. از آنجا که آزمایش های مکرر در عمل امکان پذیر نیست، روش های داده کاوی می توانند مدل های مناسبی را برای تعمیم نتایج آزمایشگاهی ارایه دهند. روش های داده کاوی باعث صرفه جویی در وقت و هزینه و نیز افزایش دقت می شوند. شبکه عصبی مصنوعی با الهام از ساختار مغز انسان یکی از این روش های داده کاوی می باشد. در این تحقیق یک شبکه عصبی مصنوعی ساده با یک لایه ورودی یک لایه خروجی، 3 لایه پنهان، تابع تحریک نورون لایه پنهان سیگموییدی و نوع تابع تحریک لایه خروجی خطی توانست نتایج خوبی را ایجاد کند به نحوی که ضریب همبستگی برای نمونه های طبیعی مدل انتخابی برای داده های آموزش و صحت سنجی به ترتیب 91 و 97 درصد و برای داده های اشباع در هر دو دسته داده های آموزش و صحت سنجی 99 درصد می باشد.داده های پرت در مدل سازی رگراسیونی ایجاد مشکل می کنند و معمولا نتایج رضایت بشی را ارایه نمی دهند. همبستگی مدل رگراسیون غیر خطی برای نمونه های طبیعی و اشباع به ترتیب 63 و 69 درصد می باشد. نتایج حاصل از شبکه عصبی مصنوعی نسبت به همبستگی داده ها با مدل رگراسیونی رضایت بخش می باشد.

Keywords:

دولومیت , مقاومت فشاری , شبکه عصبی مصنوعی , تنشو کرنش , شهرضا