پیش بینی مهمترین خصوصیت ژئومکانیکی توده سنگ با استفاده از روش های الگوریتم جستجوی هارمونی و الگوریتم مبتنی بر آموزش و یادگیری

 به علت وجود مشکلات در ارزیابی تغییر شکل توده سنگ های درزه دار در مقیاس آزمایشگاهی، می توان برای در نظر گرفتن اثر مقیاس و درزه ها از روش های مختلف آزمایش برجا مانند آزمایش بارگذاری صفحه ای و دیلاتومتری استفاده کرد. اگر چه این روش ها در حال حاضر بهترین هستند، اما گران، زمان بر و دارای مشکلات عملیاتی در حین اجرا هستند. بنابراین در این مقاله برای غلبه بر این مشکلات، از الگوریتم های جدید جستجوی هارمونی (HS) و الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری (TLBO) برای تخمین غیرمستقیم مدول تغییرشکل پذیری توده سنگ استفاده شده است. در این مدل ها از امتیاز رده بندی توده سنگ (RMR)، مقاومت فشاری تک محوره سنگ بکر (UCS)، عمق (D) و مدول الاستیسیته سنگ بکر (Ei) به عنوان پارامترهای ورودی و از مدول تغییرشکل پذیری توده سنگ (Em) به عنوان پارامتر خروجی استفاده شده است. در این مقاله، با استفاده از شاخص های آماری مختلف، مدل ایجادشده توسط الگوریتم ها، ارزیابی و اعتبارسنجی می شود. نتایج ارزیابی نشان داد که دقت رابطه برای الگوریتم جستجوی هارمونی با استفاده از شاخص های R۲ و VAF حدود ۹۳/۰-۹۱/۰ و درصد خطا با استفاده از شاخص های RMSE وMSE  بین ۰۰۴۲/۰-۰۰۰۰۱۷/۰ است هم چنین دقت رابطه برای الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری با استفاده از روش R۲ و VAF حدود ۹۵/۰-۹۲/۰ و درصد خطا با استفاده از شاخص های RMSE وMSE  بین ۰۰۳۲/۰-۰۰۰۰۱۰/۰ به دست آمد.

کلیدواژه ها:

مدول تغییرشکل پذیری ، الگوریتم جستجوی هارمونی ، الگوریتم بهینه سازی مبتنی بر آموزش و یادگیری ، توده سنگ