استفاده از شبکه های عصبی مصنوعی در پیش بینی ویژگی های مکانیکی آهک های آسماری

برخی آزمون های مرسوم مکانیک سنگ همواره در تمامی پروژه های ژئوتکنیکی مثل سدها به منظور تعیین ویژگی هایی مثل تخلخل، چگالی، درصد جذب آب، سرعت موج، مقاومت کششی برزیلی، مقاومت فشارشی تک محوره، و مقاومت فشارشی سه محوره انجام می شوند. در این مطالعه، داده های به دست آمده از دو سد احداث شده بر روی سازند آسماری شامل سد خرسان 1 و کارون 4 (هر دو در استان چهارمحال و بختیاری) به منظور انجام یک سری تحلیل آماری به کار برده شدند. سپس، با طراحی مدل های رگرسیون خطی چندگانه و شبکه های عصبی مصنوعی، مقاومت تک محوری، مدول یانگ، مقاومت چسبندگی، و زاویه اصطکاک داخلی نمونه های سنگی با استفاده از پارامترهای ورودی شامل عمق، سرعت موج فشارشی، تخلخل، چگالی، و مقاومت کششی برزیلی پیش بینی شدند. شبکه عصبی طراحی شده در این مطالعه یک شبکه پس انتشار پیش رونده است که به عنوان یک ابزار قدرتمند در حل مسائل پیش بینی در نظر گرفته می شود. شبکه طراحی شده در این مطالعه شامل دو لایه مخفی (لایه مخفی 1 شامل 18 نورون و لایه مخفی 2 شامل 20 نورون) است. با مقایسه مدل های رگرسیون چندگانه و شبکه عصبی، مشخص شد که شبکه عصبی با داشتن ضرایب تعیین91/0، 87/0، 78/0 و 61/0 به ترتیب برای پارامترهای مقاومت فشارشی تک محوری، مدول الاستیسیته، مقاومت چسبندگی، و ضریب اصطکاک داخلی، از دقت بالایی نسبت به رگرسیون خطی چندگانه برخودار است. (R2UCS = 0.69,R2E = 0.69,R2C = 0.66,and R2phi = 0.50). به منظور افزایش اعتبار تحقیق، در ادامه تعداد دیگری از آزمون های مذکور در آزمایشگاه انجام شد تا کارآیی مدل طراحی شده برای پیش بینی پارامترهای مقاومت ارزیابی شود، که نتیجه ضرایب اطمینان 85/0 و 81/0 به ترتیب برای مقاومت فشارشی تک محوری و ضریب الاستیسیته بود.