پديد آورنده :
جاويدنيا، حسام
عنوان :
تخمين پارامترهاي ژئومكانيكي سنگ هاي نرم با استفاده از روش هاي هوشمند
مقطع تحصيلي :
كارشناسي ارشد
گرايش تحصيلي :
مكانيك سنگ
محل تحصيل :
اصفهان : دانشگاه صنعتي اصفهان
صفحه شمار :
هشت، 100ص. : مصور، جدول، نمودار
استاد راهنما :
محمود بهنيا، احمدرضا مختاري
توصيفگر ها :
مقاومت فشاري تك محوره , مدول الاستيسيته , روش هاي غير مستقيم , شبكه عصبي مصنوعي , درخت تصميم
استاد داور :
لهراسب فرامرزي، ابراهيم قاسمي
تاريخ ورود اطلاعات :
1398/02/18
رشته تحصيلي :
مهندسي معدن
تاريخ ويرايش اطلاعات :
1398/02/18
چكيده فارسي :
8 چکیده تخمین پارامترهای ژئومکانیکی سنگها نقش مهمی در طراحی پروژههای معدنی و عمرانی دارد به طور کلی تعیین این خصوصیات به دو روش مستقیم و غیرمستقیم انجام میشود روشهای مستقیم شامل آزمایشهای برجا و آزمایشگاهی میباشد که علیرغم دقت زیاد دربسیاری از موارد پرهزینه و زمانبر هستند علاوه بر این تهیه و آمادهسازی نمونههای مغزهای برای انجام آزمایشهای آزمایشگاهی به ویژه در سنگهای نرم مشکل بوده و نیازمند دقت بسیار زیادی است خصوصیات سنگهای نرم از جمله مسائل حلنشده در بین مصالح ژئوتکنیکی هستند که از لحاظ پیشینة مطالعاتی تاکنون به آنها مانند خاکها و سنگ های مقاوم پرداخته نشده است بخاطر خصوصیات حد وسط این مصالح لازم است پارامترهای مربوط به آنها با رویکردی مناسب برآورد گردد برای رفع مشکلات فوق میتوان از روشهای غیرمستقیم به عنوان جایگزینی مناسب و قابل اعتماد استفاده کرد با استفاده از روشهای غیرمستقیم دو ویژگی مقاومت فشاری تکمحوره UCS و مدول الاستیسیته E را میتوان با استفاده از متغیرهای ورودی چگالی تخلخل آبمحتوی جذبآب و سرعت امواج فشاری به دست آورد به منظور برآورد UCS و E تکنیکهای پیشبینی مانند شبکه عصبی مصنوعی درخت تصمیم و تکنیکهای رگرسیون خطی و غیرخطی مورد استفاده قرار گرفته است در این تحقیق با جمعآوری دادههای آزمایشگاهی مربوط به سنگهای نرم رسسنگ گلسنگ مارن لایسنگ و غیره از تعدادی از پروژههای سدسازی و برقآبی ایران ارتباط بین پارامترهای حاصل از آزمایشات مقاومتی مخرب با پارامترهای حاصل از آزمایشات غیرمخرب برقرار گردید از دو روش خطای جذر میانگین RMSE و ضریب تعیین 2 R به منظور مقایسه بین روشهای مختلف پیشبینی و دقت نتایج استفاده شد با تغییر متغیرهای مستقل ورودی دقت روشها و نتایج مورد مطالعه قرار گرفت که نتایج نشان میدهد روش درخت تصمیم مناسبترین روش برای ایجاد ارتباط بین پارامترهای مخرب و غیرمخرب میباشد در نهایت روابط کاربردی برای برآورد پارامترهای مقاومتی مخرب از پارامترهای غیرمخرب ارائه شده است کلمات کلیدی مقاومت فشاری تکمحوره مدول الاستیسیته روشهای غیرمستقیم شبکه عصبی مصنوعی درخت تصمیم
چكيده انگليسي :
33 Estimation of geomechanical parameters of soft rocks using intelligent methods Hessam javidnia h javidnia@gmail com Date of Submission 5 5 2019 Department of Mining Engineering Isfahan University of Technology Isfahan 84156 83111 IranDegree M Sc Language FarsiAbstractEstimation of geomechanical parameters of rocks plays an important role in designingmining and civil projects In general the determination of these properties is done in twoways directly and indirectly Direct methods include laboratory tests which despite thehigh precision are costly and time consuming In addition the preparation of core samplesis difficult to perform for laboratory experiments especially in soft rocks and it requiresvery careful attention The characteristics of soft rocks are unresolved issues amonggeotechnical materials which have not been addressed to them like soils and hard rocks sofar Because of the intermediate properties of these materials it is necessary to estimatetheir parameters with an appropriate approach To overcome these problems indirectmethods can be used as a convenient and reliable alternative Using indirect methods twocharacteristics of uniaxial compressive strength UCS and elastic modulus E can beobtained employing the input variables including density porosity water content waterabsorption and compressive velocity waves In order to estimate UCS and E predictivetechniques such as artificial neural network decision tree and linear regression andnonlinear regression techniques have been used in this study In this research after collecting geomechanical properties of soft rocks such as siltstone mudstone marl and claystone resulting from laboratory experiments the relationshipbetween the UCS and E were set based on non destructive tests including sound velocityand physical The RMSE and R2 statistics were used to evaluate the resulting models Different combination of the independent input variables were tried and the accuracy ofthe methods were studied The results showed that the decision tree method was the mostsuitable method for establishing the relationship between parameters from destructive testsand parameters from non destructive experiments Keywords Axial Compressive Strength Modulus of Elasticity Indirect Methods ArtificialNeural Network Decision Tree
استاد راهنما :
محمود بهنيا، احمدرضا مختاري
استاد داور :
لهراسب فرامرزي، ابراهيم قاسمي
