تخمین سختی برشی شکست ( ) با استفاده از شبکه عصبی مصنوعی
در سال‌های اخیر با بهره‌گیری از روش‌های مختلف آزمایشگاهی، چگونگی مد برشی شکست با استفاده از نمونه‌های سنگی مورد بررسی قرار گرفته است. اغلب گسیختگی‌های رخ داده در طبیعت در اثر عملکرد نیروهای کششی و برشی در توده سنگ می‌باشد. تعیین دقیق سختی برشی شکست برای درک و تحلیل رفتار گسیختگی‌ها در حفریات سطحی و...
| Main Authors: | , , |
|---|---|
| Format: | Article |
| Language: | English |
| Published: |
Iranian Society of Mining Engineering
2008-05-01
|
| Series: | نشریه مهندسی معدن |
| Subjects: | |
| Online Access: | https://ijme.iranjournals.ir/article_1465_8cf50ad80995a4304c005e11ac3d09c6.pdf |
| Summary: | در سال‌های اخیر با بهره‌گیری از روش‌های مختلف آزمایشگاهی، چگونگی مد برشی شکست با استفاده از نمونه‌های سنگی مورد بررسی قرار گرفته است. اغلب گسیختگی‌های رخ داده در طبیعت در اثر عملکرد نیروهای کششی و برشی در توده سنگ می‌باشد. تعیین دقیق سختی برشی شکست برای درک و تحلیل رفتار گسیختگی‌ها در حفریات سطحی و زیرزمینی از اهمیت ویژه‌ای برخوردار می‌باشد. بررسی جامع دستاوردهای علمی‌در خصوص تعیین سختی برشی شکست در نمونه‌های سنگی حاکی از دقت قابل قبول آزمایش‌های پانچ و جعبه برش برای این منظور بوده ولی کماکان مشکلاتی در تعیین سختی برشی شکست در فرایندهای محاسبه‌ای در مهندسی وجود دارد. شبکههای عصبی مصنوعی قادر هستند با آموزش صحیح، رابطه منطقی بین متغییرهای مختلف برقرار نموده و با دقت کافی، مقادیر سختی برشی شکست را پیش بینی نمایند. در این مقاله با استفاده از نتایج حاصل از آزمایشات آزمایشگاهی و انتخاب پارامترهای موثر در میزان سختی برشی شکست، مدل بهینه‌ای از شبکه عصبی مصنوعی برای هر سری از داده‌ها ایجاد شده و میزان دقت شبکه مورد ازریابی قرار گرفته است. در انتها امکان مقایسه تطبیقی براساس مدل آماری رگرسیون خطی، عرضه شده است. |
|---|---|
| ISSN: | 1735-7616 2676-4482 |