تخمین غیرمستقیم مقاومت فشاری تک محوره سنگ بااستفاده از الگوریتم های جدید فراابتکاری
محل انتشار: فصلنامه مهندسی عمران فردوسی، دوره: 34، شماره: 2
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 273
فایل این مقاله در 20 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CIVIL-34-2_004
تاریخ نمایه سازی: 20 آذر 1400
چکیده مقاله:
پارامتر مقاومت فشاری تک محوره یک پارامتر مهم و کلیدی در مهندسی ژئومکانیک است که در طبقه بندی مهندسی سنگ، بررسی معیارهای شکست سنگ و در مرحله طراحی بسیاری از پروژه های عمرانی و معدنی کاربرد دارد. در بسیاری از موارد به دلیل عدم دسترسی به مغزه های باکیفیت، تعیین این پارامترها در آزمایشگاه با سختی های زیادی همراه است و اغلب این پارامتر به صورت غیرمستقیم از روابط رگرسیونی تخمین زده می شود که این روابط از دقت بالایی برخوردار نیستند. هدف از این تحقیق، استفاده از الگوریتم های جدید فراابتکاری گرگ خاکستری (GWO) و الگوریتم مگس میوه (FFOA) به منظور تخمین غیرمستقیم مقاومت فشاری تک محوره می باشد. برای رسیدن به این هدف، از داده های ۱۲۴ نمونه سنگ گرانیت از پروژه تونل انتقال آب شیرین ایالت سلانگور در مالزی استفاده شده است. در انتها برای ارزیابی و اعتبارسنجی مدل های به دست آمده توسط الگوریتم های فراابتکاری از شاخص های آماری مختلفی استفاده شده است. باتوجه به نتایج به دست آمده در این مقاله و هم چنین اعتبارسنجی مدل ها، مقادیر پیش بینی شده مقاومت فشاری تک محوره توسط الگوریتم های جدید فراابتکاری مذکور با مقادیر واقعی منطقه بسیار نزدیک است که نشان دهنده خطای کم مدل های به دست آمده می باشد. به علاوه در این مقاله آنالیز حساسیت برروی پارامترهای موثر در تخمین مقاومت فشاری تک محوره نیز انجام شد که نتایج بررسی ها نشان داد مقادیر برگشتی چکش اشمیت (Rn)، در میان سایر پارامترهای ورودی، بیشترین تاثیر را برروی مقاومت فشاری تک محوره دارد.
نویسندگان
هادی فتاحی
دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک
فرشاد ملک محمودی
دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک
حسین قائدی
دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :