محمدرضا مطهری

با توجه به مشکلات اجرای آزمایش‌ها بخصوص در سنگ‌های ضعیف و هزینه بر بودن این آزمایش‌ها، می‌توان با بررسی روابط بین ویژگی‌های مکانیکی و فیزیکی، هزینه آزمایشات تعیین خصوصیات مکانیکی را کاهش داد. در این پژوهش آزمایش‌های پتروگرافی، فیزیکی و مکانیکی بر روی 62 مغزه از سنگ‌های شیل و مارن در ساختگاه سد گدار-خوش انجام شد. در نهایت عملکرد روش‌های شبکه عصبی مصنوعی (ANN) رگرسیون چند متغیره (MVRA) و رگرسیون بردار پشتیبان (SVR) با تابع کرنل پایه شعاعی (RBF) جهت تخمین UCS، Es بر اساس سرعت موج تراکمی و خصوصیات فیزیکی مقایسه شد. نتایج پتروگرافی نشان داد که کانی ایلیت، فراوانترین نوع کانی رسی می-باشد. نسبت مدول الاستیسیته دینامیکی به استاتیکی نمونه ها برابر با 8.51 می‌باشد. همچنین نسبت پواسون دینامیکی به استاتیکی برابر با 1.41 می‌باشد. نتایج آنالیز آماری نشان داد که مدول الاستیسیته استاتیکی همبستگی بالایی با مدول الاستیسیته دینامیکی (R=0.91, RMSE=0.22, MAPE=0.14) و سرعت موج برشی همبستگی بالایی با سرعت موج تراکمی (R=0.98, RMSE=0.08, MAPE=0.03) دارند. نتایج رگرسیون چند متغیره نشان داد که هر دو پارامتر UCS و Es دارای همبستگی معنی داری با پارامترهای فیزیکی و سرعت موج تراکمی دارند. بطوریکه ارتباط UCS با این پارامترها بیشتر از ارتباط Es با این پارامتر ها می‌باشد. مقایسه عملکرد روش‌ها در تخمین خصوصیات استاتیک نشان داد که SVR دارای دقت بالاتری نسبت به رگرسیون چند متغیره و ANN می‌باشد.