پیش بینی مقاومت فشاری تک محوری و مدول الاستیک ماسه سنگ ها با استفاده از شبکه عصبی مصنوعی و آنالیز رگرسیون چند متغیره
Publish place: New Findings in Applied Geology، Vol: 13، Issue: 26
Publish Year: 1398
نوع سند: مقاله ژورنالی
زبان: Persian
View: 409
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_NFAG-13-26_004
تاریخ نمایه سازی: 6 آبان 1398
Abstract:
تعیین دقیق ویژگیهای ژئومکانیکی سنگها از جمله مقاومت فشاری تکمحوری و مدولالاستیک با استفاده از روشهای مرسوم آزمایشگاهی، بسیار مشکل و نیازمند صرف زمان و هزینه زیادی میباشد. این موضوع بهخصوص در مورد سنگهای ناهمسانگرد، با سطوح لایهبندی، متخلخل و ضعیف مطرح میباشد. بهمنظور غلبه بر این مشکلات، توسعه روابط و مدلهای پیشبینی کننده برای تخمین این پارامترها در مهندسی سنگ ضروری به نظر میرسد. هدف از این مطالعه، پیشبینی مقاومت فشاری تکمحوری و مدولالاستیک ماسهسنگها با استفاده از شبکه عصبی مصنوعی و آنالیز رگرسیون چند متغیره میباشد. بههمین منظور، تعداد 130 نمونه مغزه سنگی تهیه شده و آزمایشهای جامعی بر روی آنها انجام شده است. برای توسعه مدل شبکه عصبی پیشبینی کننده، ویژگیهای فیزیکی سنگهای مورد مطالعه شامل سرعت موج، تخلخل، دانسیته خشک، شاخص دوام و درصد جذب آب به عنوان دادههای ورودی در نظر گرفته شدهاند، در حالیکه مقاومت فشاری تکمحوری و مدولالاستیک پارامترهای خروجی میباشند. عملکرد پیشبینی مدل شبکه عصبی پیشنهاد شده و آنالیز رگرسیون چند متغیره با استفاده از شاخصهای آماری از قبیل R، RMSE و VAF ارزیابی شده است. مقایسه نتایج نشان میدهد که عملکرد شبکه عصبی مصنوعی پیشنهاد شده در پیشبینی مقاومت فشاری تکمحوری و مدولالاستیک به مراتب بهتر از آنالیز رگرسیون میباشد.
Keywords:
Authors
یاسین عبدی
گروه زمین شناسی، دانشکده علوم پایه، دانشگاه لرستان، خرم آباد
آرتیمس قاسمی دهنوی
گروه زمین شناسی، دانشکده علوم پایه، دانشگاه لرستان، خرم آباد
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 :