کاربرد روش های هوشمند (شبکه عصبی مصنوعی و ماشین بردار پشتیبان) در تخمین پارامترهای مقاومتی سنگ با استفاده از آزمایش های غیرمستقیم

یکی از کلیدی ترین فعالیت های موجود در حوزه مکانیک سنگ و مهندسی سنگ، ارزیابی پارامترهای ژئومکانیکی مانند مقاومت فشاری تک محوره (ucs) و مدول الاستیسیته (e) می باشد. این ارزیابی، در طراحی سازه های سطحی و زیرزمینی، و اجرای پروژه های مهندسی ضروری می باشد. تعیین مستقیم این خصوصیات امری هزینه بر، زمان بر و مستلزم وجود امکانات آزمایشگاهی خاص می باشد؛ در نتیجه از روش های غیرمستقیم برای تخمین این پارامترها استفاده می شود. در این تحقیق تلاش شد با استفاده از مجموعه داده های پنج طرح سدکارون4، سیمره، خرسان 1 و3 و نیز تلمبه ذخیره ای ایلام واقع در سازند آهک آسماری، روابطی (با یک، دو، سه و چهار پارامتر مستقل) جهت پیش بینی پارامترهای ژئومکانیکی با سه روش آماری، شبکه عصبی مصنوعی و همچنین روش ماشین بردار پشتیبان تعیین گردد. در این راستا از مجموعه داده های آزمایش های فیزیکی (چگالی و تخلخل) و سرعت امواج (فشاری و برشی) که جزء آزمایش های اولیه، کم هزینه، غیرمخرب و معمولِ صورت گرفته بر روی نمونه های سنگی هستند، برای توسعه روابط استفاده شده است. معیار مقایسه و قضاوت بین روش ها و همچنین انتخاب روش بهینه، مقدار ضریب تعیین (r2) و خطای جذر میانگین مربعات (rmse) می باشد. مقایسه نتایج به دست آمده میان روابط توسعه یافته نشانگر بهبود عملکرد روابط با چهار متغیر مستقل نسبت به یک، دو و سه متغیر مستقل می باشد. دو معادله خطی با دقت بالا و خطای پایین جهت پیش بینی مقاومت فشاری تک محوره (r2=0.91, rmse=4.16) و مدول الاستیسیته (r2=0.88, rmse=3.30) با استفاده از چهار متغیر مستقل فوق الذکر، ارائه شد. بعلاوه در تمامی روابط توسعه یافته، روش ماشین بردار پشتیبان نسبت به روش های شبکه عصبی و رگرسیون، به علت آموزش نسبتاً ساده، سرعت و دقت بالا، کارایی خوب برای داده های با ابعاد بالا و نیز کنترل میزان خطا از مطلوبیت بالاتری برخوردار و نتایج آن، به واقعیت نزدیک تر می باشد.