0254 (navid-mojabi.ir).zip

عنوان مقاله :
بررسی روشهای رگرسیون چندمتغیره خطی و شبکه عصبی مصنوعی جهت تعیین مقاومت فشاری تکم حوری و مدول الاستیسیتهی سنگ کنگلومرا

نویسندگان مقاله :
مجتبی حیدری ، عضو هیئت علمی گروه زمینشناسی دانشگاه بوعلی سینا، همدان
بهروز رفیعی ، عضو هیئت علمی گروه زمینشناسی دانشگاه بوعلی سینا، همدان
مهران نوری ، دانشجوی کارشناسی ارشد زمینشناسی مهندسی گروه زمینشناسی دانشگاه بوعلی سینا، همدان
غلامرضا خانلری ، عضو هیئت علمی گروه زمینشناسی دانشگاه بوعلی سینا، همدان
علی اکبر مومنی ، عضو هیئت علمی گروه زمینشناسی دانشگاه صنعتی شاهرود

چکیده :
تعیین دقیق برخی از خواص مکانیکی سنگها، 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. بنابراین برای به حداقل رساندن زمان و هزینه میتوان از روابط تجربی که به طور گستردهای برای برآورد خواص پیچیده سنگها از داده های حاصل از روشهای آسان بهره میگیرد، استفاده نمود. هدف از این مطالعه بررسی روشهای شبکه عصبی مصنوعی (Artificial Neural Network, ANN) و رگرسیون چندمتغیره خطی (Multiple linear regression, MLR) به منظور برآورد UCS و E میباشد. متغیرهای مستقل شاخص مقاومت بار نقطه ای (50)Point Load Strength Index, Is ، سرعت موج (Pressure wave velocity, Vp) ، تخلخل ( n )، چگالی (dγ) و درصد رطوبت (water content, Wn) به عنوان پارامترهای ورودی به منظور پیشبینی متغیرهای وابسته ( UCS و E ) در هر دو روش استفاده شده اند. استفاده از شبکه عصبی پرسپترون چندلایه (Multilayer Perceptron, MLP) 1/ ، ضرایب تعیین را تا سطح قابل قبولی بهبود بخشید. نتایج این مطالعه نشان میدهد که روش ANN ، عملکرد بهتری در پیشبینی UCS و E نسبت به روش MLR دارد. خواندن ادامه