پیش بینی خواص مقاومتی سنگ آهک های زون سنندج - سیرجان با استفاده از روش های آماری و شبکه عصبی

زون ساختاری - رسوبی سنندج - سیرجان یکی از مهم ترین مناطق زمین شناسی ایران است که سنگ آهک های موجود در آن نقش کلیدی در پروژه های عمرانی و معدنی ایفا می کنند. شناخت دقیق خواص مقاومتی این سنگ ها، به ویژه مقاومت فشاری تک محوری خشک (UCSDry) و شاخص بار نقطه ای خشک (Is۵۰-Dry)، به منظور طراحی ایمن و اقتصادی سازه ها بسیار ضروری است. با توجه به هزینه و زمان بر بودن آزمایش های مستقیم، در این پژوهش از روش های غیرمستقیم مدل سازی شامل رگرسیون و شبکه عصبی برای پیش بینی این خواص استفاده شده است. ابتدا با گردآوری داده های فیزیکی، مکانیکی، دینامیکی و شیمیایی نمونه های سنگ آهک منطقه، بانک اطلاعات جامعی تهیه شد. سپس با استفاده از تحلیل رگرسیون تک متغیره، دومتغیره و چند متغیره، روابط آماری بین متغیرها استخراج شد. در ادامه، مدل های شبکه عصبی پرسپترون چندلایه با ساختارهای مختلف و بر پایه الگوریتم یادگیری  Levenberg-Marquardt توسعه یافتند. نتایج حاصل از مقایسه عملکرد مدل ها نشان داد که شبکه ی عصبی به دلیل توانایی در شناسایی روابط پیچیده و غیرخطی بین پارامترها، در پیش بینی خواص مقاومتی سنگ آهک ها عملکرد دقیق تری نسبت به مدل های آماری ارائه می دهد. مقایسه ی ضریب هم بستگی معادله های رگرسیون چند متغیره و مدل های شبکه عصبی نشان می دهند که به طور کلی استفاده از مدل های شبکه عصبی پیش بینی مقاومت فشاری تک محوری خشک، ۱۴.۸۹ درصد و مدل های شبکه عصبی پیش بینی شاخص بار نقطه ای خشک، ۴.۷۰ درصد میزان دقت نتایج (ضریب هم بستگی) را افزایش می دهند. نتایج نشان می دهد که پیش بینی UCSDry در حضور Is۵۰-Dry در میان پارامترهای ورودی تاثیر بسزایی در بهبود دقت مدل ها دارد. به عنوان نمونه، مدل با ورودی های Is۵۰-Dry ، SH ، γ Dry و  n  عملکرد بسیار خوبی از خود نشان دهد. برای پیش بینی Is۵۰-Dry نیز، مدل هایی که شامل پارامترهای SDI۱  و BIDry  به عنوان ورودی بودند، عملکرد بسیار مطلوبی داشتند. استفاده از این مدل ها می تواند در کاهش هزینه ها، افزایش سرعت مطالعات مهندسی سنگ و بهبود ایمنی پروژه های عمرانی موثر باشد.

کلیدواژه ها:

Multi Layer Perceptron ، Engineering Geological Characteristics ، Regression ، Point load index ، Uniaxial compressive strength. ، پرسپترون چند لایه ، خواص زمین شناسی مهندسی ، رگرسیون ، شاخص بار نقطه ای ، مقاومت فشاری تک محوری