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

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.

مقاومت فشاری تک محوری, مدول الاستیک, شبکه عصبی مصنوعی, آنالیز رگرسیون, ماسه سنگ