پیش بینی تنش همرسی ترک در نمونه های شبه سنگی دارای درزه های ناممتد تحت بار برش مستقیم با استفاده از روش های یادگیری ماشین

سال انتشار: 1403
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 91

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ANM-14-40_003

تاریخ نمایه سازی: 20 آذر 1403

چکیده مقاله:

شکستگی ها معمولا به شکل درزه ها و ریزترک ها در توده سنگ یافت می شوند و مکانیسم شکست آن ها به شدت به الگوی همرسی ترک بین ناپیوستگی های از قبل موجود بستگی دارد. تعیین رفتار شکست درزه های ناممتد یک مسئله مهندسی است که پارامترهای مختلفی ازجمله خصوصیات مکانیکی توده سنگ، تنش نرمال و نسبت سطح درزه به سطح برشی کل (ضریب درزه داری) را شامل می شود. در این مقاله، به منظور پیش بینی تنش همرسی ترک از دو روش یادگیری ماشین شامل الگوریتم بهینه ساز گرگ خاکستری (GWO) و برنامه ریزی بیان ژن (GEP) استفاده شده است. بدین منظور ۸ پارامتر ورودی موثر بر تنش همرسی ترک ازجمله ضریب درزه داری (JC)، تنش نرمال (σn)، مقاومت فشاری تک محوره (σc)، مقاومت کششی (σt)، نسبت پواسون (υ)، مدول الاستیسیته (E)، مقاومت چسبندگی (C) و زاویه اصطکاک داخلی (φ) بر اساس نتایج ۴۵۰ آزمایش برش مستقیم انجام شده بر روی نمونه های شامل ۲ دسته درزه ناممتد ساخته شده از ترکیب گچ، سیمان و آب انتخاب و سپس روش های GWO و GEP پیاده سازی گردیدند. به منظور ارزیابی کارایی مدل ها در پیش بینی تنش همرسی ترک در نمونه ها، از ۳ شاخص ضریب تعیین (R۲)، جذر میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) برای داده های آموزش و تست استفاده شد. مقادیر ضریب تعیین روش های GWO و GEP برای داده های آموزش به ترتیب ۹۶۲/۰ و ۹۳۸/۰ و برای داده های تست به ترتیب ۹۹۶/۰ و ۹۸۱/۰ به دست آمد که نشان دهنده کارایی بالاتر روش GWO در مقایسه با GEP است. به علاوه، نتایج نشان داد که مقادیر شاخص های RMSE و MAE در هر دو مرحله آموزش و تست برای الگوریتم GWO کمتر از روش GEP می باشند که بیانگر خطای کمتر الگوریتم GWO و قابلیت اطمینان و دقت بالاتر آن نسبت به روش GEP است. بااین حال، می توان گفت که دو روش مورداستفاده دارای دقت بالایی بوده و بر اساس روش GEP رابطه ای جهت پیش بینی تنش همرسی ترک ارائه شد. همچنین، نتایج آنالیز اهمیت نشان می دهد که از بین پارامترهای ورودی، تنش نرمال (σn) و ضریب درزه داری (JC) به ترتیب بیشترین و کمترین تاثیر را بر تنش همرسی ترک دارند.

کلیدواژه ها:

درزه ناممتد ، پل سنگ ، تنش همرسی ترک ، الگوریتم بهینه ساز گرگ خاکستری ، برنامه ریزی بیان ژن

نویسندگان

Vahab Sarfarazi

گروه معدن، دانشکده مهندسی، دانشگاه صنعتی همدان، همدان، ایران

Fariborz Matinpoor

دانشکده مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهران، تهران، ایران

Shadman Mohamadi Bolban Abad

گروه معدن، دانشکده مهندسی، دانشگاه تربیت مدرس، تهران، ایران

Masoud Monjezi

گروه معدن، دانشکده مهندسی، دانشگاه تربیت مدرس، تهران، ایران

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 :
  • Haeri, H., Sarfarazi, V., & Zhu, Z. (۲۰۱۶). Analysis of ...
  • Mirzaei, H., Kakaie, R., Jalali, S. M. E., Shariati, M., ...
  • Wong, R. H. C., Chau, K. T., Tang, C. A., ...
  • Tang, C. A., Lin, P., Wong, R. H. C., & ...
  • Einstein, H. H., Veneziano, D., Baecher, G. B., & O'reilly, ...
  • Reyes, O., & Einstein, H. H. (۱۹۹۱, September). Failure mechanisms ...
  • Bobet, A., & Einstein, H. H. (۱۹۹۸). Fracture coalescence in ...
  • Sagong, M., & Bobet, A. (۲۰۰۲). Coalescence of multiple flaws ...
  • Mughieda, O., & Karasneh, I. (۲۰۰۶). Coalescence of offset rock ...
  • Lee, H., & Jeon, S. (۲۰۱۱). An experimental and numerical ...
  • Haeri, H., Shahriar, K., Marji, M. F., & Moarefvand, P. ...
  • Haeri, H., Shahriar, K., Marji, M. F., & Moarefvand, P. ...
  • Haeri, H., Shahriar, K., Marji, M. F., & Moarefvand, P. ...
  • Haeri, H. (۲۰۱۵). Propagation mechanism of neighboring cracks in rock-like ...
  • Lee, J., Ha, Y. D., & Hong, J. W. (۲۰۱۷). ...
  • Asadizadeh, M., Hossaini, M. F., Moosavi, M., Masoumi, H., & ...
  • Asadizadeh, M., & Rezaei, M. (۲۰۱۹). Surveying the mechanical response ...
  • Chen, M., Yang, S., Pathegama Gamage, R., Yang, W., Yin, ...
  • Li, X., Bai, Y., Chen, X., Zhao, X., & Lv, ...
  • Lin, Q., Cao, P., Wen, G., Meng, J., Cao, R., ...
  • Zhong, Z., Huang, D., Song, Y., & Cen, D. (۲۰۲۲). ...
  • Chang, X., Wang, S., Li, Z., & Chang, F. (۲۰۲۲). ...
  • Niu, Y., Wang, J. G., Wang, X. K., Hu, Y. ...
  • Lajtai, E. Z. (۱۹۶۹). Strength of discontinuous rocks in direct ...
  • Gehle, C., & Kutter, H. K. (۲۰۰۳). Breakage and shear ...
  • Zhang, H. Q., Zhao, Z. Y., Tang, C. A., & ...
  • Ghazvinian, A., Sarfarazi, V., Schubert, W., & Blumel, M. (۲۰۱۲). ...
  • Cao, P., Fan, W. C., & Zhang, K. (۲۰۱۳). Experimental ...
  • Sarfarazi, V., Ghazvinian, A., & Schubert, W. (۲۰۱۶). Numerical simulation ...
  • Sarfarazi, V., Haeri, H., Shemirani, A. B., & Zhu, Z. ...
  • Asadizadeh, M., Moosavi, M., Hossaini, M. F., & Masoumi, H. ...
  • Lin, H., Ding, X., Yong, R., Xu, W., & Du, ...
  • Zhang, Y., Jiang, Y., Asahina, D., & Wang, C. (۲۰۲۰). ...
  • Meng, F., Song, J., Wang, X., Yue, Z., Zhou, X., ...
  • Guo, Y., Huang, D., & Cen, D. (۲۰۲۴). Crack Propagation ...
  • Mirjalili, S., Mirjalili, S. M., & Lewis, A. (۲۰۱۴). Grey ...
  • Chawla, V., Chanda, A., & Angra, S. (۲۰۱۹). The scheduling ...
  • Ferreira, C. (۲۰۰۶). Gene expression programming: mathematical modeling by an ...
  • Sabzevari, Y., Nasrollahi, A., Sharifipour, M., & Shahinejad, B. (۲۰۲۲). ...
  • Armaghani, D. J., Faradonbeh, R. S., Rezaei, H., Rashid, A. ...
  • نمایش کامل مراجع