en تخمین چندمتغیره خصوصیات تودۀ سنگ نسبت به عمق با استفاده از ANFIS مبتنی بر خوشه‌بندی کاهشی (مجموعه تونل‌های آزادراه خرم آباد- پل زال) ژئوتکنیک (مکانیک خاک و سنگ) Geotecnic مقاله پژوهشی Original Research <p style="text-align: justify; "><span dir="RTL">ترکیب شبکه عصبی تطبیقی مبتنی بر سیستم استنتاج فازی </span>(ANFIS)<span dir="RTL"> و خوشه‌بندی کاهشی </span>(SC)<span dir="RTL"> برای ارزیابی مدول تغییرشکل‌پذیری تودۀ سنگ </span>(E_m)<span dir="RTL"> و مقاومت فشاری توده سنگ </span>(UCS_m)<span dir="RTL"> با در نظر گرفتن عمق اندازه‌گیری‌ها استفاده شده است. برای این منظور، 125 داده متشکل از 9 متغیر مقاومت فشاری توده سنگ </span>(UCS_m)<span dir="RTL">، مدول تغییرشکل‌پذیری توده سنگ </span>(E_m)<span dir="RTL">، عمق اندازه‌گیری، فاصله‌داری درزه، تداوم درزه، بازشدگی درزه، مقاومت فشاری سنگ بکر </span>(UCS_i)<span dir="RTL">، شاخص ژئومکانیکی </span>(RMR)<span dir="RTL"> و مدول الاستیک </span>(E_i) <span dir="RTL">برای یادگیری مدل </span>ANFIS<span dir="RTL"> مبتنی بر خوشه‌بندی کاهشی </span>(ANFISBSC)<span dir="RTL"> استفاده شده است. سپس در مرحلۀ دوم، مدل آموزش یافته </span>ANFISBSC<span dir="RTL"> در مجموعه داده‌های 40 گانه آزمایش شده است. بنابراین، با در نظر گرفتن تأثیر پیچیدگی مدل در صحت ارزیابی، توده سنگ با مدل‌های 2 تا 6 متغیره شبیه‌سازی شده است. نتایج شبیه‌سازی مدل‌های چندمتغیره توده سنگ برای ارزیابی مقاومت فشاری توده سنگ </span>(UCS_m)<span dir="RTL"> و مدول تغییرشکل‌پذیری توده سنگ </span>(E_m)<span dir="RTL"> نشان داده است که با پیچیده شدن مدل </span>ANFISBSC<span dir="RTL"> از 2 متغیره به 6 متغیره، صحت روش افزایش می‌بابد. مطابق نتایج به‌دست آمده، مدل سه متغیره شبیه‌سازی به‌روش </span>ANFISBSC<span dir="RTL"> اگرچه روند کلی تخمین مقاومت فشاری توده سنگ </span>(UCS_m)<span dir="RTL"> و مدول تغییرشکل‌پذیری توده سنگ </span>(E_m)<span dir="RTL"> را به دست می دهد ولی همراه با 20 -30 درصد خطا می باشد؛ در حالی که در مدل 6 متغیره، مدول تغییر شکل‌پذیری توده سنگ </span>(E_m)<span dir="RTL"> و مقاومت فشاری توده سنگ </span>(UCS_m)<span dir="RTL"> به‌صورت موفقیت‌آمیزی با خطای کم‌تر از 3 درصد تخمین زده می‌شود. هم‌چنین، شیب خط نمودار داده‌های اندازه‌گیری و داده‌های تخمین زده شده در مدل 6 متغیره به 1 نزدیک می‌شود و در مدل 3 متغیره، شیب این خط، 94/0 است. بنابراین نتیجه‌گیری می‌شود که مدل 6 متغیره شبیه‌سازی شده با </span>ANFISBSC<span dir="RTL"> پیش‌بینی قابل‌قبولی از مدول تغییرشکل‌پذیری توده سنگ </span>(E_m)<span dir="RTL"> و مقاومت فشاری توده سنگ </span>(UCS_m)<span dir="RTL"> را به‌دست می‌دهد</span></p> <p dir="ltr" style="margin-left: 1cm; text-align: justify; ">Combination of Adoptive Network based Fuzzy Inference System (ANFIS) and subtractive clustering (SC) has been used for estimation of deformation modulus (E_m) and rock mass strength (UCS_m) considering depth of measurement. To do this, learning of the ANFIS based subtractive clustering (ANFISBSC) was performed firstly on 125 measurements of 9 variables such as rock mass strength (UCS_m), deformation modulus (E_m), depth, spacing, persistence, aperture, intact rock strength (UCS_i), geomechanical rating (RMR) and elastic modulus (E_i). Then, at second phase, testing the trained ANFISBSC structure has been perfomed on 40 data measurements. Therefore, predictive rock mass models have been developed for 2-6 variables&nbsp;where model complexity influences the estimation accuracy. Results of multivariate simulation of rock mass for estimating UCS_m and E_m have shown that accuracy of the ANFISBSC method increases coincident with development of model from 2 variables to 6 variables. According to the results, 3-variable model of ANFISBSC method has general estimation of both UCS_m and E_m corresponding with 20% to 30% error while the results of multivariate analysis are successfully improved by 6-variable model with error of less than 3%. Also, dip of the fitted line on data point of measured and estimated UCS_m and E_m for 6-variable model approaches about 1 respect to 0.94 for 3- variable model. Therefore, it can be concluded that 6-variable model of ANFISBSC gives reasonable prediction of UCS_m and E_m.</p> ANFIS, خوشه‌بندی کاهشی, خصوصیات توده سنگ, مدول تغییرشکل‌پذیری, مقاومت فشاری توده سنگ, مدل چندمتغیره, خرم آباد - پل زال. ANFIS, Subtractive clustering, Rock mass carachteristics, Deformation modulus, Rock mass compressive strength, Multivariate model, Khorramabad-Polezal. 3793 3808 http://jeg.khu.ac.ir/browse.php?a_code=A-10-866-1&slc_lang=en&sid=1 seyed hamed moosavi سیدحامد موسوی sehamoosavi@gmail.com 10031947532846003570 10031947532846003570 Yes Engineer ناظر شرکت مهندسین مشاور در پروژه M Sharifzadeh مصطفی شریف‌زاده 10031947532846003571 10031947532846003571 No Faculty of Mining Eng, Mining and Metallurgy, Amirkabir University of Technology دانشگاه صنعتی امیر کبیر، دانشکده مهندسی معدن