این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
زمین شناسی مهندسی، جلد ۹، شماره ۱، صفحات ۲۷۱۱-۲۷۲۸
عنوان فارسی پیش ینی سرعت موج برشی در سنگ آهک با استفاده از روش های نوین هوشمند
چکیده فارسی مقاله هدف از این پژوهش، توسعۀ مدلی هوشمند، برای تخمین سرعت موج برشی در سنگ آهک است. سرعت موج برشی، از مهم‌ترین پارامترهای دینامیکی سنگ است. با توجه به پیچیدگی ساختار سنگ، تعیین مستقیم این پارامتر مستلزم زمان، هزینه و دقت است. از طرفی برای تعیین غیرمستقیم آن، روابط دقیقی در دسترس نیست و بیش‌تر روابط،­ تجربی هستند. در این تحقیق سعی می‌شود با استفاده از مجموعه داده‌های چندین سد‌ در ایران، به‏کمک روش­ اَنفیس (سیستم استنتاج عصبی-فازی تطبیقی) و جِپ (GEP) مدل و رابطه­ای برای پیش­بینی سرعت موج برشی در سنگ آهک تهیه شود. در مجموع، از 170 دسته داده برای مدل­سازی استفاده شد. 136 دسته داده برای ساخت مدل هوشمند و 34 داده دیگر برای ارزیابی عمل‌کرد آن به‌کار گرفته شد. پارامترهایی مانند سرعت موج فشاری، چگالی و تخلخل به­عنوان پارامترهای ورودی در نظر گرفته شدند. در پیش­بینی­های صورت‏گرفته به‌این منظور، میزان 2R و RMSE برای مدل اَنفیس به­ترتیب 958/0 و 620/113 است. این مقادیر برای رابطۀ جِپ 928/0 و 006/110 است. با توجه به‌دقت این نتایج، می‏توان آن­ها را برای پیش­بینی سرعت موج برشی در مقاصد آینده پیشنهاد کرد.
کلیدواژه‌های فارسی مقاله سرعت موج برشی ، سدهای ایران ، سنگ آهک ، اَنفیس ، جِپ ،
عنوان انگلیسی Prediction of Shear Wave Velocity in Limestone by Using New Intelligent Methods
چکیده انگلیسی مقاله The present study aims to employ intelligent methods to predict shear wave velocity (Vs) in limestone. Shear wave velocity is one of the most important rock dynamic parameters. Direct determination of this parameter takes time, cost and requires accuracy as well. On the other hand, there is no precise equation for indirect determination. This research attempts to provide some simulations to predict Vs using the information obtained several dams located in Iran, using different approaches, including adaptive neuro-fuzzy inference system (ANFIS) and gene expression programming (GEP). 136 datasets were utilized for modeling and 34 datasets were used for evaluating its performance. Parameters such as Compressional wave velocity (Vp), density (g) and porosity (n) were considered as input parameters. The values of R2 and RMSE were 0.958 and 113.620 for ANFIS, where they were 0.928 and 110.006 for GEP respectively. With respect to the accuracy of the intelligent methods, they can be recommended for future studies
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله سید رحیم معین السادات | sayed rahim moeinossadat
دانشجو

کاوه آهنگری | kaveh ahangari
مدیر گروه - هیئت علمی

دانیال بهنیا | danial behnia
دانشجو

نشانی اینترنتی http://jeg.khu.ac.ir/browse.php?a_code=A-10-370-1&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده ژئوتکنیک (مکانیک خاک و سنگ)
نوع مقاله منتشر شده مقاله استخراج شده از پایان نامه
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات