ارائه روابطی جهت تخمین خصوصیات دینامیکی سنگ آهک با رویکرد تجربی
محل انتشار: مجله علوم زمین خوارزمی، دوره: 9، شماره: 1
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 59
فایل این مقاله در 30 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_GNF-9-1_003
تاریخ نمایه سازی: 14 دی 1402
چکیده مقاله:
خصوصیات دینامیکی و استاتیکی سنگ ها برای طراحی سازه های ژئوتکنیکی و مدل سازی پی های سنگی اهمیت زیادی دارد. هدف اصلی این مقاله ارائه روابط منطقه ای و جهانی بین مدول الاستیسیته استاتیک و دینامیک با رویکرد تجربی و تخمین سرعت موج برشی سنگ آهک به روش های آماری و شبکه عصبی مصنوعی می باشد. بدین منظور ابتدا آزمایش های پتروگرافی و فیزیکی و مکانیکی بر روی ۷۰ مغزه از سنگ آهک ساختگاه سد کارون ۴ انجام شد. سپس بانک داده ای از روابط ارائه شده در پژوهش های پیشین از نقاط مختلف جهان تهیه شد و روابط جهانی و منطقه ای برای سنگ آهک های ایران ارائه شد. نتایج آنالیز آماری نشان داد که نسبت مدول الاستیسیته دینامیک به استاتیک برای سنگ آهک های مورد مطالعه ۵/۲ می باشد. همچنین نسبت پواسون دینامیک به استاتیک برای این سنگ ها ۴۱/۱ می باشد. مقدار متوسط مدول دینامیک بدست آمده از روابط پژوهشگران مختلف برابر با۹۰/۱۹ گیگاپاسکال است که از مقدار متوسط مدول دینامیک پژوهش حاضر (۲۰/۳۱ گیگاپاسکال) کمتر است. با توجه به دقیق ترین برازش رابطه جهانی (R۲=۰.۹۸, RMSE=۷.۹, and MAPE=۱.۶۷) و منطقه ای (R۲=۰.۹۶, RMSE=۵.۲۴, and MAPE=۰.۹۱) با دقت خیلی بالا بین مدول الاستیسیته دینامیک و استاتیک ارائه شد. نتایج شبکه عصبی مصنوعی و رگرسیون چند متغیره نشان داد که تخمین سرعت موج برشی بر اساس سرعت موجP ، جذب آب و چگالی با دقت بالایی امکان پذیر می باشد. نتایج نشان داد که دقت شبکه عصبی (R۲=۰.۹۸ , RMSE=۰.۲۷) بیشتر از روش رگرسیون چند متغیره خطی (R۲=۰.۸۶ , RMSE=۰.۳۹) می باشد. همچنین شبکه عصبی در پیش بینی این متغیر محافظه کارانه عمل می کند.
کلیدواژه ها:
modulus of elasticity ، shear wave velocity ، limestone ، artificial neural network ، multivariate regression. ، مدول الاستیسیته دینامیک و استاتیک ، سرعت موج برشی ، سنگ آهک ، شبکه عصبی مصنوعی ، رگرسیون چند متغیره.
نویسندگان