fa پیش ینی سرعت موج برشی در سنگ آهک با استفاده از روش های نوین هوشمند ژئوتکنیک (مکانیک خاک و سنگ) Geotecnic مقاله پژوهشی Original Research 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. The present study aims to employ intelligent methods to predict shear wave velocity (V_s) 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 V_s 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 (V_p), 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 سرعت موج برشی , سدهای ایران , سنگ آهک , اَنفیس , جِپ , Shear Wave Velocity , Iran’s Dams , Limestone , ANFIS , GEP , 2711 2728 http://jeg.khu.ac.ir/browse.php?a_code=A-10-370-1&slc_lang=fa&sid=1 Sayed Rahim Moeinossadat سید رحیم معین السادات habib.moeinossadat@gmail.com 1003194753284600366 1003194753284600366 Yes دانشجو Kaveh Ahangari کاوه آهنگری kaveh.ahangari@gmail.com 1003194753284600367 1003194753284600367 No مدیر گروه - هیئت علمی Danial Behnia دانیال بهنیا danial.behnia@yahoo.com 1003194753284600368 1003194753284600368 No دانشجو