پیش بینی مقدار Q با استفاده از رگرسیون چند متغیره

استفاده ی گسترده از فضاهای زیرزمینی به عنوان شاخصی برای توسعه یافتگی در کشورهای مختلف است. یکی از روش هایی که برای طبقه بندی توده سنگ استفاده می شود ، سیستم Q است. سیستم Q به پارامترهایی نظیر نشانه ی کیفی سنگ، دسته درزه، زبری درزه، دگرسانی درزه، آب زیرزمینی و ضریب کاهش تنش وابسته است که همواره در دسترس نیستند. گاهی مواقع دسترسی به کلیه پارامترهای سیستمQ به دلیل زمان بر وهزینه بر بودن، امکان پذیر نیست. هدف از این مقاله به دست آوردن مقدار شاخص کیفیت سنگ در سیستم Q با استفاده از مهمترین پارامترهای تاثیرگذار بر آن است. بدین جهت، با استفاده از روش تحلیل پیرسون و توسط نرم افزار SPSS ، موثرترین پارامترها در سیستم Q شناسایی می شوند که در این راستا سه مدل برای تعیینQ انتخاب شد. مدل های اول و دوم دارای سه پارامتر ورودی و یک پارامتر خروجی و مدل سوم دارای چهار پارامتر ورودی و یک پارامتر خروجی است. سپس با استفاده از رگرسیون چند متغیره، رابطه ای برای پیش بینی مقدار Q با استفاده از موثرترین پارامترها پیشنهاد گردیده است. برای این منظور از 140 داده ی تجربی استفاده شده و صحت نتایج بدست آمده به وسیله 34 داده ی آزمون مورد بررسی قرار گرفته است. تعیین مقدار Q با استفاده از سه و یا چهار پارامتر به جای شش پارامتر که بیشترین تاثیرگذاری را دارند، نوآوری این مقاله است. Q در محدوده ی 001/0 تا 25 ارزیابی شده است. مقایسه ی نتایج حاصل از رابطه ی پیشنهادی و مقادیر واقعی بدست آمده از اندازه گیری های صحرایی، نشان از تطابق خوب این نتایج با یکدیگر دارند. نتایج نشان می دهد که مدل دوم با ضریب همبستگی 0.81 برای داده های اولیه و 8/0 برای داده های آزمون و جذر میانگین مربعات خطای 68/2 برای داده های اولیه و 55/2 برای داده های آزمون بهترین عملکرد را دارد.