جستجو در مقالات منتشر شده


2 نتیجه برای شاخص بار نقطه‌ای

دکتر امین جمشیدی، دکتر یاسین عبدی، دکتر بیژن یوسفی یگانه،
جلد 15، شماره 3 - ( 9-1400 )
چکیده

سازند گچساران با سن میوسن، رخنمون وسیعی در برخی نواحی خرم آباد دارد. وجود سنگ ژیپس در این سازند، باعث ایجاد روان آب­های شور در منطقه دره شیخان در شمال غربی خرم آباد شده است. روان آب­ها باعث هوازدگی نمک در رخنمون­های سنگی منطقه شامل ژیپس، کنگلومرا، ماسه سنگ، سنگ آهک، دولومیت، شیل دولومیتی و مارن مربوط به سازند­های گچساران، آسماری، شهبازان، کشکان، تاربور و امیران گردیده است. هدف از پژوهش حاضر بررسی و برآورد دوام سنگ­های منطقه دره شیخان در شمال غربی خرم آباد در مقابل هوازدگی نمک ناشی از روان­ آب­های شور است. برای رسیدن به اهداف پژوهش، 8 نمونه سنگ مختلف از رخنمون­های سنگی منطقه برداشت شد و آزمون­ دوام وارفتگی در محلول اشباع از نمک تا 15 چرخه انجام شد. علاوه بر این ترکیب کانی­شناسی، خصوصیات فیزیکی و مقاومتی نمونه­ها شامل تخلخل و شاخص بار نقطه­ای تعیین شدند. بر اساس ارزیابی دوام نمونه­ها، ترکیب کانی­شناسی، تخلخل و مقاومت نقش مهمی در دوام نمونه­ها در برابر هوازدگی نمک دارند. مدل آماری حاصل از آنالیز­ رگرسیون چند متغیره نشان می­دهد دوام سنگ­ها در مقابل هوازدگی نمک می­تواند با دقت مناسبی (R2=0.95) با استفاده از تخلخل و شاخص بار نقطه­ای برآورد شود. این مدل به دلیل استفاده از پارامترهای ساده تخلخل و شاخص بار نقطه­ای، می­تواند یک ارزیابی سریع و ارزان از دوام طولانی مدت سنگ­ها در مقابل هوازدگی نمک داشته باشد.
 
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.
 


صفحه 1 از 1     

کلیه حقوق این وب سایت متعلق به نشریه زمین شناسی مهندسی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2025 CC BY-NC 4.0 | Journal of Engineering Geology

Designed & Developed by : Yektaweb