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

امیر حسین مرشدی

حسین معماریان

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.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

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 text

پهنه‌بندی 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 text

مقایسه 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 text

طراحی 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 text

درجه 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 text

طراحی 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 text

My Resources

Save resource for easier access later


Journal title:
نشریه علمی-پژوهشی مهندسی معدن

Publisher: انجمن مهندسی معدن ایران

ISSN

volume 5

issue 10 2012

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023