7 نتیجه برای رگرسیون
جلد 3، شماره 1 - ( 6-1388 )
چکیده
برآورد ویژگی‌های هیدروژئولوژیکی تودهٔ سنگ و پیش‌بینی میزان جریان آب از بحث‌های حیاتی و جدی در مهندسی سنگ به‌شمار می‌‌رود. از آن‌جا که در تودهٔ سنگ‌های درز و شکاف‌دار ناپیوستگی‌ها مسیرهای اصلی جریان آب را به‌وجود می‌‌آورند، مشخصات آن‌ها تأثیر چشم‌گیری بر آب‌گذری خواهد داشت. با وجود تحقیقات فراوان هنوز روش مناسبی که رابطه مشخصی بین همه پارامترها و میزان آب‌گذری برقرار کند وجود ندارد. امروزه شبکه‌های عصبی ابزار قدرتمندی برای حل مسائل پیچیده از قبیل پیش‌بینی، تشخیص الگو و طبقه‌بندی انواع متغیرها هستند. در این تحقیق به کمک نوعی شبکهٔ عصبی مصنوعی، رفتار و مقدار آب‌گذری تودهٔ سنگ‌های گرانودیوریتی ساختگاه سد شور-جیرفت از روی برخی وی‍ژگی ناپیوستگی‌ها از جمله شاخص کیفی سنگ، فراوانی درزه‌ها، بازشدگی، چگالی وزنی درزه، زون‌های خرد شده و عمق پیش‌بینی شده است. رابطهٔ این پارامترها با آب‌گذری با روش آماری رگرسیون چند متغیره نیز بررسی شده است. داده‌های به‌کار رفته در آموزش و آزمایش این شبکهٔ عصبی شامل نتایج مربوط به 304 آزمایش لوژن در تودهٔ سنگ‌های گرانودیوریتی ساختگاه سد شور-جیرفت است. شبکهٔ عصبی پرسپترون چندلایه با قاعده پس انتشار خطا با الگوریتم آموزش Levenberg-Marquardt در این تحقیق استفاده شده است. این بررسی‌های نشان می‌دهد که شبکهٔ عصبی مصنوعی از توانایی فراوانی در حل چنین مسائلی برخوردار است.
علی قربانی، فرزین کلانتری، مازیار ظهوری،
جلد 7، شماره 2 - ( 10-1392 )
چکیده
همواره تعیین دقیق پارامترهای مقاومت برشی خاک‌های ریزدانه با مشکلاتی همراه است. از مهم‌ترین این مشکلات، تهیۀ نمونه دست‌نخورده با کیفیت مناسب برای انجام آزمایش بهمنظور تعیین پارامترهای مکانیکی خاک است. به‌همین سبب، محققان مختلفی در طی چند دهه گذشته سعی کرده‌اند تا با ایجاد ارتباطی بین پارامترهای مقاومتی با خصوصیات فیزیکی خاک‌ها در یک منطقه مشخص، امکان تخمین پارامترهای مقاومتی را بر اساس خصوصیات فیزیکی خاک‌ها فراهم کنند. هدف از تحقیق حاضر تخمین پارامترهای مقاومتی منطقه‌ای وسیع با خاک‌های آبرفتی ریزدانه در جنوب شهر تهران است. این تخمین بر مبنای تحلیل آماری داده‌های گردآوری شده از این منطقه صورت پذیرفته است. بر این اساس، ابتدا اطلاعات ژئوتکنیکی شامل پارامترهای فیزیکی و مقاومتی 294 گمانه حفر شده در این منطقه گردآوری شده است. سپس این داده‌ها به‌طور مستقل از لحاظ آماری تجزیه و تحلیل شدند و بر اساس این تحلیل‌ها، برآوردی از پارامترهای ژئوتکنیکی خاک‌ها در اعماق مختلف و با سطح اطمینان قابل قبول ارائه گردیده است. علاوه بر تجزیه و تحلیل مستقل داده‌ها، بر پایۀ داده‌های گردآوری شده از این گمانه‌ها، مدل رگرسیونی غیرخطی برای تخمین پارامترهای مقاومت برشی برحسب خصوصیات فیزیکی شاخص خاک‌های ریزدانه (درصد رطوبت و شاخص خمیری) ارائه گردیده است. مدل ارائه شده با دقت قابل قبولی قادر به پیش‌بینی پارامترهای مقاومت برشی زهکشی شده خاک منطقۀ پژوهش و سایر مناطق مشابه است
محمد مقدس، علی رئیسی استبرق، امین سلطانی،
جلد 13، شماره 1 - ( 3-1398 )
چکیده
بهسازی خاک‌های رسی به‌روش‌های مختلفی از جمله شیمیایی، مکانیکی و یا ترکیبی، بهمنظور بهبود خواص مکانیکی آن‌ها یکی از مسائل رایج در مهندسی ژئوتکنیک محسوب میشود. در این پژوهش نتایج آزمایشگاهی حاصل از مسلح سازی تصادفی خاک و خاک-سیمان با الیاف مصنوعی پلی‌پروپیلن در طول‌های گوناگون و درصدهای وزنی مختلف از الیاف و سیمان از نظر آماری تجزیه و تحلیل شد. و اثر متغیرهای مستقل درصد وزنی الیاف، طول به قطر الیاف، درصد وزنی سیمان و زمان عمل‌آوری بر مقاومت فشاری و کششی خاک و خاک-سیمان تصادفی مسلح شده بررسی شد و معادلات رگرسیونی چندگانه برای تعیین میزان مقاومت فشاری و کششی با همبستگی زیاد و خطای قابل قبول تعیین شد. نتایج آزمایشگاهی و تحلیل آماری نشان داد که مسلح‌سازی تصادفی خاک و خاک-سیمان با الیاف سبب افزایش در مقاومت فشاری و کششی میشود؛ علاوه بر این مقادیر آزمایشگاهی و پیش‌بینی شده همبستگی خوبی دارند.
احسان امجدی، غلامحسین اوکلیمهرجردی،
جلد 13، شماره 5 - ( 10-1398 )
چکیده
این مقاله مدلی از شبکۀ عصبی پس انتشار را برای پیش‌بینی (گویی) مقاومت کششی باقی‌مانده و چارت طراحی بهمنظور برآورد (تخمین) ضرایب کاهش مقاومت ژئوتکستایل‌های بافته نشده که تحت فرآیند نصب قرار گرفته اند، ارائه می‌کند. 34 داده از تست های برجای مقیاس کامل برای آموزش، صحتسنجی و آزمایش شبکه عصبی ایجاد شده (توسعه یافته) و مدل رگرسیونی استفاده شده است. نتایج نشان می دهد که، پیش‌بینی مقاومت کششی باقی‌مانده با استفاده از شبکۀ عصبی آموزش داده شده، تطابق خوبی با نتایج آزمایشگاهی دارد. پیش‌بینی های به‌دست آمده از شبکۀ عصبی بسیار بهتر از مدل رگرسیونی هستند، به‌طوری‌که درصد خطای حداکثر داده های آموزش داده شده برای شبکه عصبی و مدل رگرسیونی به‌ترتیب کم‌تر از 87/0 درصد و 92/18 درصد است. بر اساس شبکۀ عصبی توسعه یافته، یک چارت طراحی ایجاد شده است. به‌طور‌کلی، ضرائب کاهش مقاومت ژئوتکستایل ها ناشی از خرابی نصب هنگامی که عملیات تراکم در شرایطی اعم از مقاومت کشش چنگکی نمونه پیش از نصب کم‌تر، تنش اعمالی روی ژئوتکستایل بیش‌تر، مصالح خاکریز با اندازۀ دانه بزرگ تر، تراکم نسبی مصالح خاکریز بیش‌تر و بستر ضعیف تر انجام میشود، افزایش می یابد.
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.
آقای مهدی عباسی، دکتر غلامرضا لشکری پور، دکتر ناصر حافظی مقدس، دکتر حسین صادقی،
جلد 19، شماره 1 - ( 3-1404 )
چکیده
مدول الاستیسیته از جمله پارامترهای کلیدی در تحلیل و طراحی پی‌های عمیق و سازه‌های زیرزمینی محسوب میشود. اندازه‌گیری دقیق این پارامتر معمولاً نیازمند اجرای آزمایش‌های میدانی پرهزینه و زمان‌بر بوده و صحتسنجی آن نیز با چالش‌هایی همراه است. از این‌رو، توسعه مدل‌های تجربی جهت پیش‌بینی مدول الاستیسیته بر پایه پارامترهای ژئوتکنیکی، همواره مورد توجه پژوهشگران بوده است. در این پژوهش، با بهره‌گیری از داده‌های حاصل از ۱۸۰ گمانه حفاری‌شده به طول مجموع ۵۷۸۳ متر در مسیر خط ۳ متروی مشهد، مدل‌های رگرسیون خطی چندمتغیره شامل مدل جامع (ریزدانه و درشتدانه)، مدل ویژه خاک‌های درشتدانه و مدل ویژه خاک‌های ریزدانه برای پیش‌بینی مدول الاستیسیته توسعه یافته‌اند. از میان ۴۸۹ آزمون پرسیومتری، ۱۶۰ داده که به صورت هم‌عمق دارای اطلاعات دقیق پارامترهای پایه خاک بودند، انتخاب گردیدند. در این تحلیل، اثر متغیرهایی نظیر درصد ذرات شن، ماسه و ریزدانه، پارامترهای دانه‌بندی (D10، D30، D60، ضریب یکنواختی و ضریب دانه‌بندی)، حدود اتربرگ، میزان رطوبت، دانسیته طبیعی و خشک، چگالی، مواد سیمانی (گچ، کربنات و مواد آلی)، عمق و تنش برجا بر مدول الاستیسیته حاصل از آزمون پرسیومتری مورد بررسی قرار گرفت. جهت توسعه مدل نهایی، از روش گام‌به‌گام رو به عقب در چارچوب تحلیل رگرسیون و با استفاده از زبان برنامه‌نویسی Python بهره گرفته شد. در پایان، معادله نهایی رگرسیون استخراج گردید و نمودارهای مقایسه‌ای بین مقادیر پیش‌بینی‌شده و واقعی ترسیم شد که حاکی از دقت مطلوب مدل ارائه‌شده در تخمین مدول الاستیسیته می‌باشد. برای صحتسنجی و ارزیابی دقت مدل‌های پیشنهادی در پیش‌بینی مدول الاستیسیته، مجموعه‌ای مستقل از ۳۹ داده آزمایش پرسیومتری شامل خاک‌های ریزدانه و درشتدانه مورد استفاده قرار گرفت. شاخص‌های آماری مختلف نشان دادند که مدل جامع عملکرد بهتری دارد. همچنین، مقادیر پایین RMSE نرمال‌شده پایداری و دقت قابل‌قبول همه مدل‌ها را تأیید می‌کند.
مجتبی رحیمی شهید، غلامرضا لشکری پور، ناصر حافظی مقدس،
جلد 19، شماره 6 - ( 10-1404 )
چکیده
زون ساختاری - رسوبی سنندج - سیرجان یکی از مهم‌ترین مناطق زمین‌شناسی ایران است که سنگ‌آهک‌های موجود در آن نقش کلیدی در پروژه‌های عمرانی و معدنی ایفا می‌کنند. شناخت دقیق خواص مقاومتی این سنگ‌ها، به‌ویژه مقاومت فشاری تک‌محوری خشک (UCS Dry) و شاخص بار نقطه‌ای خشک (Is ₅₀-Dry)، بهمنظور طراحی ایمن و اقتصادی سازه‌ها بسیار ضروری است. با توجه به هزینه و زمان‌بر بودن آزمایش‌های مستقیم، در این پژوهش از روش‌های غیرمستقیم مدلسازی شامل رگرسیون و شبکه عصبی برای پیش‌بینی این خواص استفاده شده است. ابتدا با گردآوری داده‌های فیزیکی، مکانیکی، دینامیکی و شیمیایی نمونه‌های سنگ‌آهک منطقه، بانک اطلاعات جامعی تهیه شد. سپس با استفاده از تحلیل رگرسیون تک متغیره، دومتغیره و چند متغیره، روابط آماری بین متغیرها استخراج شد. در ادامه، مدل‌های شبکه عصبی پرسپترون چندلایه با ساختارهای مختلف و بر پایه الگوریتم یادگیری Levenberg–Marquardt توسعه یافتند. نتایج حاصل از مقایسه عملکرد مدل‌ها نشان داد که شبکه‌ی عصبی به‌دلیل توانایی در شناسایی روابط پیچیده و غیرخطی بین پارامترها، در پیش‌بینی خواص مقاومتی سنگ‌آهک‌ها عملکرد دقیق‌تری نسبت به مدل‌های آماری ارائه می‌دهد. مقایسه‌ی ضریب همبستگی معادله‌های رگرسیون چند متغیره و مدل‌های شبکه عصبی نشان می‌دهند که به‌طور کلی استفاده از مدل‌های شبکه عصبی پیش‌بینی مقاومت فشاری تک‌محوری خشک، 89/14 درصد و مدل‌های شبکه عصبی پیش‌بینی شاخص بار نقطه‌ای خشک، 70/4 درصد میزان دقت نتایج (ضریب همبستگی) را افزایش می‌دهند. استفاده از این مدل‌ها می‌تواند در کاهش هزینه‌ها، افزایش سرعت مطالعات مهندسی سنگ و بهبود ایمنی پروژه‌های عمرانی مؤثر باشد.
