3 نتیجه برای مقاومت فشاری تک محوری
ابراهیم احمدی ششده، اکبر چشمی،
جلد 9، شماره 3 - ( 7-1394 )
چکیده
تعیین مقاومت فشاری تکمحوری (UCS) سنگ در بیشتر پروژههای مهندسی ضروری است. در حفاریهای عمیق برای دستیابی به منابع هیدروکربوری و یا حفاریهای اکتشافی برای تونلهای عمیق تهیۀ نمونۀ مناسب برای اندازهگیری مستقیم UCS مشکل، هزینهبر و گاهی غیرممکن است. بنا بر این استفاده از روشهای غیرمستقیم (نظیر استفاده از خردههای حفاری) برای تخمین UCS متداول شده است. استفاده از نفوذ کنندهای سخت که به داخل خرده سنگ تثبیت شده در یک چسب نگهدارنده نفوذ میکند و بهعنوان آزمایش نفوذ1 شناخته میشود، یکی از این روشها است. در این مقاله تعداد 8 نمونه سنگ آهک میکرایتی تهیه و پس از تعیین UCS آنها در آزمایشگاه، نمونهها خرد و آزمایش نفوذ با نفوذ کنندههایی به قطرهای 6/0، 8/0 و 1 میلیمتر روی 720 خرده ذره با اندازههای 2، 3 و 4 میلیمتر انجام شده و نیروی انتقال بحرانی (CTF) که معرف مقاومت نهایی خرده ذره در مقابل ورود نفوذکننده به داخل آن است، تعیین شده است. روابط تجربی بین UCS و CTF برای نمونهها و نفوذکنندههای با قطرهای مختلف با R2 &ge 0.78 پیشنهاد شده است. با استفاده از رگرسیون چند متغیره، رابطهای کلی بین UCS، CTF، اندازۀ ذرات (D) و قطر نفوذکننده (I) با R = 0.85 ارائه شده است. صحت روابط تجربی پیشنهادی با انجام 135 آزمایش نفوذ روی 3 نمونه سنگ آهک میکرایتی و مقایسه UCS اندازهگیری شده در آزمایشگاه با UCS تخمین زده شده ارزیابی شده که شباهت 88% آنها نشان دهندۀ رواداری روابط تجربی پیشنهادی در تحقیق حاضر است.
مریم مختاری،
جلد 16، شماره 1 - ( 3-1401 )
چکیده
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.
پروفسور سید محمود فاطمی عقدا، دکتر آسیه حمیدی، مهندس فاطمه امیری،
جلد 19، شماره 5 - ( 10-1404 )
چکیده
ارزیابی مقاومت مکانیکی، بهویژه مقاومت فشاری تکمحوری (Uonixal Compersive Strength) سنگها، برای طراحی و پیشبینی عملکرد سازههای سطحی و زیرزمینی حیاتی است و تأثیر زیادی بر هزینهها و ایمنی پروژهها دارد. روشهای آزمایشگاهی سنتی برای ارزیابی UCS مخرب، زمانبر و پرهزینه هستند، در حالی که روشهای غیرمستقیم اغلب به دلیل ناهمگنی سنگها از دقت و قابلیت اطمینان کافی برخوردار نیستند. این مطالعه با توسعه چارچوبهای پیشرفته یادگیری ماشین که ویژگیهای پتروگرافی را با ویژگیهای سنتی سنگها ترکیب میکنند، این محدودیتها را برطرف کرده و به پیشبینی UCS و کمیسازی عدمقطعیتها پرداخته است. دادههای جامع از سنگهای رسوبی سواحل جنوبی ایران (خلیج فارس و دریای عمان) استفاده شده است که شامل ویژگیهای مکانیکی (UCS، مقاومت کششی برزیلی، شاخص بار نقطهای، تخلخل، سرعت پالس فراصوت)، شاخصهای دوام (سایش لس آنجلس، دوام ترکخوردگی، ارزش تأثیر مصالح) و ویژگیهای پتروگرافی استخراجشده از تحلیل مقاطع نازک میباشد. سه رویکرد مکمل بهکار گرفته شدهاند: (1) رگرسیون ترکیبی شبکه عصبی-افزایش گرادیان (ANN-GBR)، (2) جنگل تصادفی بهینهشده با AutoML، و (3) شبیهسازی مونت کارلو برای کمیسازی عدمقطعیت. . نتایج نشان داد که مدل جنگل تصادفی بهینهشده با AutoML عملکرد پیشبینی استثنائی با R² = 0.9884، RMSE = 0.5732 MPa و MAPE = 3.6% داشت که بهطور چشمگیری از روشهای تجربی سنتی بهتر عمل کرده است. رویکرد ترکیبی ANN-GBR موفق به کسب R² = 0.9412 و RMSE = 1.385 MPa شده است. شبیهسازیهای مونت کارلو ارزیابیهای احتمالاتی مقاوم با فواصل اطمینان 95% و شناسایی بایاس سیستماتیک را ارائه داده است. تحلیل اهمیت ویژگیها نشان داد که ویژگی های سلامت سدیم و ترکیب کانی شناسی مهمترین پیشبینیکنندهها هستند. چارچوب توسعه یافته مزایای عملی قابلتوجهی از جمله کاهش هزینههای آزمایشگاهی، پیشبینی سریعتر برای کنترل کیفیت و ارزیابی بهبود یافته ریسک از طریق کمیسازی عدمقطعیتها را فراهم میآورد و رویکردی مقاوم و مقرونبهصرفه برای ارزیابی مقاومت سنگها ارائه میدهد.
