Journal of Engineering Geology
نشریه زمین شناسی مهندسی
Journal of Engineering Geology
Basic Sciences
http://jeg.khu.ac.ir
1
admin
2228-6837
2981-1600
doi
fa
jalali
1401
2
1
gregorian
2022
5
1
16
1
online
1
fulltext
en
پیش بینی مقاومت فشاری تک محوری و مدول الاستیسیته یک سنگ آهک با استفاده ازرگرسیون اجزای اصلی و الگوریتم بهینه سازی ذرات بر مبنای ماشین های برداری پشتیبان
Predicting the Young's Modulus and Uniaxial Compressive Strength of a typical limestone using the Principal Component Regression and Particle Swarm Optimization
ژئوتکنیک (مکانیک خاک و سنگ)
Geotecnic
<span style="font-size:12pt"><span style="line-height:21.0pt"><span style="direction:rtl"><span style="unicode-bidi:embed"><span new="" roman="" style="font-family:" times=""><span style="color:black"><span lang="FA" style="font-size:10.0pt"><span b="" lotus="" style="font-family:">مقاومت تک محوری و مدول الاستیسیته سنگ ها در مهندسی ژئوتکنیک، مکانیک سنگ و مهندسی زمین شناسی، جزو پارامترهای حیاتی در طراحی می باشد. بدین منظور از دو روش رگرسیون اجزا اصلی و روش هیبریدی الگوریتم بهینه سازی ذرات بر مبنای ماشین های برداری رگرسیون استفاده شده است. پارامترهای استفاده شده در این مدلسازی شامل سرعت موج فشاری، نسبت پواسون و تخلخل دینامیکی می باشد. مدل سازی بر مبنای نتایج حاصل از آزمایش مقاومت تک محوری فشاری و التراسونیک بر روی 115 نمونه سنگ آهک انجام شده است. دقت مدل های توسعه یافته با استفاده از شاخص های آماری شامل ضریب همبستگی، مربع متوسط خطای نرمال شده و متوسط خطای مطلق مورد بررسی قرار گرفت. نتایج بدست آمده نشان داد که دقت هر دو روش در تخمین پارامترهای هدف بالا می باشد. مقدار الگوریتم بهینه سازی ذرات به منظور تعیین بهینه حالت محدودیت جعبه و حالت اپسیلون مورد استفاده قرار گرفت. مقدار ضریب همبستگی، مربع متوسط خطای نرمال شده و متوسط خطای برای محموعه آموزش در مدل سازی مقاومت تک محوری با روش رگرسیون اجزا اصلی به ترتیب 0.78، 22.45 و 0.363 بدست آمد. مقادیر حاصل برای مجموعه تست در این حالت به ترتیب 0.76، 22.51 و 0.357 بدست آمده است. مقدار ضریب همبستگی، مربع متوسط خطای نرمال شده و متوسط خطای برای محموعه آموزش در مدل سازی مقاومت مدول الاستیسیته با روش رگرسیون اجزا اصلی به ترتیب 0.71، 34.23 و 0.421 بدست آمد. مقادیر حاصل برای مجموعه تست در این حالت به ترتیب 0.7، 34.23 و 0.43 بدست آمده است.مدل سازی در روش رگرسیون ماشین برداری به استفاده از چهار تابع کرنل خطی، درجه دوم، مکعبی و گوسین انجام شد. نتایج بدست آمده نشان می دهد تابع کرنل درجه دوم نتایج بهتری در تخمین مقاومت فشاری تک محوری و مدول الاستیسیته ارائه می کند. مقدار ضریب همبستگی، مربع متوسط خطای نرمال شده و متوسط خطای برای محموعه آموزش در مدل سازی مقاومت تک محوری با استفاده از تابع کرنل در ماشین های بردار پشتیبان به ترتیب 0.83، 16.98 و 0.329 بدست آمد. مقادیر حاصل برای مجموعه تست در این حالت به ترتیب 0.76، 22.15 و 0.296 بدست آمده است. مقدار ضریب همبستگی، مربع متوسط خطای نرمال شده و متوسط خطای برای محموعه آموزش در مدل سازی مقاومت مدول الاستیسیته با روش رگرسیون اجزا اصلی به ترتیب 0.73، 29.11و 0.45 بدست آمد. مقادیر حاصل برای مجموعه تست در این حالت به ترتیب 0.7 ، 25.67 و 0272 بدست آمده است.مدل سازی در روش رگرسیون ماشین برداری به استفاده از چهار تابع کرنل خطی، درجه دوم، مکعبی و گوسین انجام شد. به علاوه، مقایسه نتایج حاصل از رگرسیون اجزا اصلی و ماشین برداری رگرسیون نشان می دهد که ماشین برداری رگرسیون نتایج بهتری را ارائه می نماید.</span></span><span dir="LTR" style="font-size:14.0pt"></span></span></span></span></span></span></span><br>
In geotechnical engineering, rock mechanics and engineering geology, depending on the project design, uniaxial strength and static Youngchr('39')s modulus of rocks are of vital importance. The direct determination of the aforementioned parameters in the laboratory, however, requires intact and high-quality cores and preparation of their specimens have some limitations. Moreover, performing these tests is time-consuming and costly. Therefore, in this study, it was tried to precisely predict the desirable parameters using physical characteristics and ultrasonic tests. To do so, two methods, i.e. principal components regression and support vector regression, were employed. The parameters used in modelling included density, P- wave velocity, dynamic Poisson’s ratio and porosity. Accordingly, the experimental results conducted on 115 limestone rock samples, including uniaxial compressive and ultrasonic tests, were used and the desired parameters in the modelling were extracted using the laboratory results. By means of correlation coefficient (R<sup>2</sup>), normalized mean square error (NMSE) and Mean absolute error (MAE), the developed models were validated and their accuracy were evaluated. The obtained results showed that both methods could estimate the target parameters with high accuracy. In support vector regression, Particle Swarm Optimization method was used for determining optimal values of box constraint mode and epsilon mode, and the modelling was conducted using four kernel functions, including linear, quadratic, cubic and Gaussian. Here, the quadratic kernel function yielded the best result for UCS and cubic kernel function yielded the best result for E<sub>s</sub>. In addition, comparing the results of the principal components regression and the support vector regression indicated that the latter outperformed the former.
مقاومت فشاری تک محوری, مدول یانگ دینامیکی, ماشینبرداری پشتیبان, رگرسیون اجزا اصلی, آزمایش التراسونیک
Uniaxial compressive strength, Static young’s module, Support vector regression, Principal components regression, Ultrasonic test
95
122
http://jeg.khu.ac.ir/browse.php?a_code=A-10-1658-2&slc_lang=en&sid=1
maryam
Mokhtari
مریم
مختاری
mokhtari@yazd.ac.ir
10031947532846005549
10031947532846005549
Yes
Department of Civil engineering, Faculty of engineering, Yazd University, Yazd, Iran
دانشگاه یزد