پیش بینی مهمترین خصوصیت ژئومکانیکی توده سنگ با استفاده از روش های الگوریتم جستجوی هارمونی و الگوریتم مبتنی بر آموزش و یادگیری
محل انتشار: فصلنامه مهندسی عمران فردوسی، دوره: 35، شماره: 3
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 171
نسخه کامل این مقاله ارائه نشده است و در دسترس نمی باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_CIVIL-35-3_001
تاریخ نمایه سازی: 19 آذر 1401
چکیده مقاله:
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
نویسندگان
هادی فتاحی
دانشکده ی 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 :