پیش بینی عدد لوژن توده سنگ با استفاده از ویژگی ناپیوستگی ها به کمک شبکه عصبی مصنوعی

سال انتشار: 1386
محل انتشار: پنجمین همایش زمین شناسی مهندسی و محیط زیست ایران
کد COI اختصاصی: ICEGE05_087
زبان مقاله: فارسی
تعداد مشاهده: 2530

دانلود فایل این مقاله

نویسندگان

سعیده خالصی مقدم

دانشجوی کارشناسی ارشد زمین شناسی مهندسی، دانشگاه تربیت مدرس

ماشاءاله خامه چیان

دانشیار بخش زمین شناسی مهندسی دانشگاه تربیت مدرس دانشگاه تربیت مدرس

محمدرضا امین ناصری

دانشیار بخش مهندسی صنایع، دانشگاه تربیت مدرس

چکیده

برآورد ویژگی های توده سنگ و پیش بینی نرخ جریان از بحث های حیاتی و جدی مهندسی سنگ به شمار می رود . امروزه شبکه های ع صبی ابزاری قدرتمند ب رای حل مسائل پی چیده از قبی ل تخ مین، ت شخیص الگو و طبقه بندی انواع م تغیرها هستن د .در این مقاله به کمک یک نوع شبکه عصبی مصنوعی، رفتار آبگذری توده سنگ های گرانودیوریتی ساختگاه سد شور – جیرفت از روی برخی وی ژگی ناپیوستگی ها از جمله شاخص کیفی سنگ، فراوانی درزه ها، باز شدگی و عمق در رابطه با عدد لوژن توده سنگ پیش بینی شده است . چون مقادیر عدد لوژن که بیانگر رفتار آبگذری توده سنگ ها می باشد به پارامترهای متفاوتی وابسته است و تعیین روابط بین آن ها چندان شناخته شده نیست از شبکه عصبی مصنوعی که توانایی بالایی در حل چنین مسائلی دارند استفاده شده است . داده های بکار رفته در آموزش و امتحان این شبکه عصبی شامل نتایج مربوط به 313 آزمایش لوژن در توده سنگ های گرانودیوریتی ساختگاه سد شور – جیرفت می باشد . در این تحقیق از شبکه عصبی نوع پس انتشار خطا، و در آموزش شبکه از الگوریتم Levenberg-Marquardt استفاده شده است

کلیدواژه ها

شبکه های ع صبی مصنوعی، عدد لوژن، عمق، باز شدگی ناپیوستگی ها، فراوانی درزه ها، شاخص کیفی سنگ

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.