طراحی مرحله ای شبکه نمونه برداری، بر اساس پارامتر های ژئوتکنیکی و خصوصیات کیفی ساختگاه سد سمیلان، با استفاده از کریجینگ و شبکه عصبی
Authors
abstract
از مهم ترین مراحل طراحی شبکه اکتشافات ژئوتکنیکی، تعیین تعداد و موقعیت گمانههای اکتشافی است، که به منظور کسب اطلاعات و نمونه برداری، حفر میشوند. یکی از مسائل چالش برانگیز در نمونه برداری، تعیین تعداد و موقعیت نمونهها است. منطق طراحی نمونه برداری بهینه، منطق نمونه برداری مرحلهای است. در این بررسی، به مقایسه نمونه برداری تک مرحلهای و چند مرحله ای در ساختگاه سد سمیلان، پرداخته شده است. در مرحله اول، نمونه برداری تک مرحله ای، با استفاده از اطلاعات ژئوتکنیکی (لوژون و شاخص کیفی سنگ) 23 گمانه، و با به کارگیری تابع شاخص، مورد مطالعه قرار گرفت. بر اساس تابع شاخص، پارامتر لوژون به چهارشاخص و شاخص کیفی به سه شاخص طبقه بندی شد. از دیگر کاربرد تابع شاخص، تبدیل دادههای کیفی به کمی است که به منظور شاخص گذاری درجه اهمیت سازه های مختلف ساختگاه سد سمیلان و سنگ شناسی منطقه، مورد استفاده قرار گرفت. سپس، بر اساس توابع شاخص، واریوگرافی در جهات مختلف انجام شده و با استفاده از پارامترهای واریوگرام، کریجینگ شاخص انجام شد. واریانس کریجینگ برای پارامترهای لوژون، شاخص کیفی سنگ و شاخص سنگ شناسی منطقه محاسبه و میانگین گیری و سپس به چهار شاخص تقسیم شد. به این ترتیب، تابع تعیین محل حفاریهای اضافه، بر اساس رابطه هر یک از پارامترها با ریسک و خطای طراحی، تعریف شد. این تابع عبارتست از: حاصلضرب مقدار کریجینگ شاخص لوژون در مقدار شاخص اهمیت سازههای مختلف سد در شاخص خطای تخمین؛ تقسیم بر حاصلضرب مقدار کریجینگ شاخص خصوصیت کیفی سنگ در شاخص سنگ شناسی منطقه. در ادامه بررسی ها، از نمونه برداری دو مرحلهای استفاده شد که در مرحله اول، تعداد 12 گمانه از 23 گمانه، بر اساس چگالی نمونهها، انتخاب شدند. در اینجا نیز تمام مراحل قبل تکرار شد و طبق تابع شاخص تعیین محل حفاری های اضافه، تعداد 8 گمانه برای مرحله دوم انتخاب شد. بر اساس تخمین گرهای کریجینگ و شبکه عصبی، با استفاده از مقادیر نرمال شده، پارامترهای مورد نظر تخمین زده شد و تمام مراحل قبل تکرار گردید. در بررسی حاضر، واریانس کریجینگ و خطای تخمین در حالت دو مرحلهای نسبت به تک مرحلهای کاهش یافته؛ باوجود آنکه تعداد گمانه ها از 23 عدد به 20 عدد کاهش یافته است. عامل مهم در کاهش خطای تخمین، نحوة آرایش گمانههای مرحله اول، در بین گمانه های مرحله دوم بوده است.
similar resources
طراحی مرحلهای شبکه نمونهبرداری، بر اساس پارامترهای ژئوتکنیکی و خصوصیات کیفی ساختگاه سد سمیلان، با استفاده از کریجینگ و شبکه عصبی
از مهم ترین مراحل طراحی شبکه اکتشافات ژئوتکنیکی، تعیین تعداد و موقعیت گمانههای اکتشافی است، که بهمنظور کسب اطلاعات و نمونهبرداری، حفر میشوند. یکی از مسائل چالش برانگیز در نمونهبرداری، تعیین تعداد و موقعیت نمونهها است. منطق طراحی نمونهبرداری بهینه، منطق نمونهبرداری مرحلهای است. در این بررسی، به مقایسه نمونهبرداری تک مرحلهای و چند مرحلهای در ساختگاه سد سمیلان، پرداخته شده است. در مرحل...
full textپهنهبندی شاخص کیفی سنگ در ساختگاه سد سمیلان، براساس گسلها و شبکه عصبی خودسازمانده
پهنهبندی، یکی از مباحث مهم، در علومزمین به شمار میآید. در پهنهبندی، یک محدوده به چند بخش یا پهنه مجزا تقسیم و در نهایت از ترکیب نتایج پهنههای مختلف، یک مدل واحد حاصل میشود. در این مطالعه، از روشهای خوشهبندی برای پهنهبندی سد سمیلان استفاده شده است. تعداد بهینه خوشهها براساس متغیر ژئوتکنیکی (لوژون و شاخص کیفی سنگ) و مقادیر شاخصگذاری شده سنگشناسی و درجه اهمیت ساختگاه سد سمیلان تعیین شد...
full textمقایسه تأثیر وضعیت طاق باز و دمر بر وضعیت تنفسی نوزادان نارس مبتلا به سندرم دیسترس تنفسی حاد تحت درمان با پروتکل Insure
کچ ی هد پ ی ش مز ی هن ه و فد : ساسا د مردنس رد نامرد ي سفنت سرتس ي ظنت نادازون داح ي سکا لدابت م ي و نژ د ي سکا ي د هدوب نبرک تسا طسوت هک کبس اـه ي ناـمرد ي فلتخم ي هلمجزا لکتورپ INSURE ماجنا م ي دوش ا اذل . ي هعلاطم ن فدهاب اقم ي هس عضو ي ت اه ي ندب ي عضو رب رمد و زاب قاط ي سفنت ت ي هـب لاتـبم سراـن نادازون ردنس د م ي سفنت سرتس ي لکتورپ اب نامرد تحت داح INSURE ماجنا درگ ...
full textطراحی نمونه برداری چند هدفه برای واسنجی مدل شبکه توزیع آب با استفاده از الگوریتم ژنتیک و شبکه عصبی
در این مقاله یک مدل بهینه سازی چندهدفة نوین برای انتخاب نقاط بهینه در شبکه توزیع آب به منظور نصب ابزار های اندازه گیری فشار ارائه می شود. داده های فشار سنجی جمع آوری شده در نقاط منتخب (بهینه) می تواند بعداً برای واسنجی مدل مورد استفاده قرار گیرد. توابع هدف، افزایش دقت پیش بینی مدل واسنجی شده و کاهش هزینه کل نمونه برداری می باشند. به منظور کاهش زمان اجرا، مدل بهینه سازی چندهدفه با تلفیقی از الگور...
full textدرجه بندی زعفران بر اساس ویژگی های ظاهری با استفاده از شبکه های عصبی مصنوعی
زعفران بهعنوان یک کالای تجاری مهم در کشور بهشمار میآید و توجه به مکانیزه کردن آن از مرحله تولید تا بستهبندی اهمیت زیادی دارد. در بدو ورود زعفران به فرایند کیفی سنجی در آزمایشگاه ، ارزیابی اولیه بر اساس مشخصات ظاهری زعفران توسط شخص خبره انجام میشود. لیکن بروز خطای انسانی در تشخیص کیفیت زعفران بر مبنای ویژگیهای ظاهری آن امری اجتنابناپذیر است؛ استفاده از تکنیکهای مبتنی بر هوش مصنوعی میت...
full textطراحی گرین فینوسیل بر اساس متامدلهای شبکه عصبی مصنوعی
Grain design is the most important part of solid rocket motor design. In this paper the goal is Finocyl grain design based on predetermined objective function with respect to Thrust history or Pressure history in order to satisfy various thrust performance requirements through an innovative design approach using Genetic algorithm optimization method. The classical sampling method is used for de...
full textMy Resources
Save resource for easier access later
Journal title:
نشریه علمی-پژوهشی مهندسی معدنPublisher: انجمن مهندسی معدن ایران
ISSN
volume 5
issue 10 2012
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023