پیش بینی شاخص تردی سنگ با استفاده از رگرسیون چند متغیره غیر خطی و درخت رگرسیون CART
Publish place: Journal of Civil and Environmental Engineering, University of Tabriz، Vol: 48، Issue: 92
Publish Year: 1397
Type: Journal paper
Language: Persian
View: 468
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
JR_CEEJ-48-92_004
Index date: 11 June 2019
پیش بینی شاخص تردی سنگ با استفاده از رگرسیون چند متغیره غیر خطی و درخت رگرسیون CART abstract
شاخص تردی (شکنندگی) سنگ یکی از مهمترین پارامترهای موثر بر حفاریهای زیرزمینی به ویژه در حفاری با ماشین (TBM) به حساب میآید که محاسبه دقیق این پارامتر برای طراحیهای ژئوتکنیکی بسیار مهم و کاربردی است. در این مقاله، شاخص تردی سنگ با استفاده از دو روش رگرسیون چند متغیره غیر خطی و همچنین درخت رگرسیون CART بر روی پایگاه داده شامل 48 ردیف دادهای از 30 پروژه تونلسازی مختلف پیشبینی شده است. این پایگاه دادهای بازه قابل قبولی از اعداد را در بر میگیرد که شامل مقاومت فشاری، مشاومت کششی و وزن مخصوص انواع مختلفی از سنگها است. علاوه بر مقاومت تک محوری سنگ، مقاومت کششی برزیلی و وزن مخصوص، جنس سنگ به عنوان پارامتر چهارم در ارائه معادله و توسعه درخت پیشبینی تردی سنگ لحاظ شده است. معادله پیشنهاد شده در این مطالعه دارای ضریب تشخیص 91/0R2= و درخت رگرسیون توسعه داده نیز دارای ضریب تشخیص 94/0 R2=است. با توجه به اعمال جنس سنگ به صورت کد عددی در پیشبینیها مشاهده شد که اعمال این کد نه تنها باعث کاهش دقت در پیشبینیها نمیشود، بلکه باعث افزایش آن و باعث درک بهتری از معادلات و روشهای پیشبینی نیز میشود.
پیش بینی شاخص تردی سنگ با استفاده از رگرسیون چند متغیره غیر خطی و درخت رگرسیون CART Keywords:
پیش بینی شاخص تردی سنگ با استفاده از رگرسیون چند متغیره غیر خطی و درخت رگرسیون CART authors
مسعود سمائی
دانشکده مهندسی عمران، دانشگاه تبریز
مسعود رنجبرنیا
دانشکده مهندسی عمران، دانشگاه تبریز
مسعود زارع نقدهی
دانشکده مهندسی معدن، دانشگاه صنعتی همدان
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 :