شماره ركورد كنفرانس :
5472
عنوان مقاله :
پيش بيني پارامترهاي ژئوتكنيكي برداشت شده از مقاومت ويژه الكتريكي و سرعت امواج لرزهاي با استفاده از مدلهاي شبكه عصبي مصنوعي
عنوان به زبان ديگر :
Prediction of Geotechnical Parameters Obtained from Electrical Resistance and Seismic Wave Velocites Using Artificial Neural Network Models
پديدآورندگان :
چترائي حسين h.chatrayi@urmia.ac.ir دانشگاه اروميه , حاجيزاده فرنوش f.hajizadeh@urmia.ac.ir دانشگاه اروميه
كليدواژه :
مقاومت ويژه الكتريكي (Rs) , ANN , ژئوفيزيك , پارامترهاي خاك , موج S و P
عنوان كنفرانس :
دوازدهمين كنفرانس ملي مهندسي معدن ايران
چكيده فارسي :
اندازهگيريهاي ژئوتكنيكي پارامترهاي خاك مورد استفاده در طراحي زيرساخت، اطلاعاتي را در يك نقطه خاص از زمين ارائه ميكند. استفاده از دادههاي نقطه خاص ممكن است منجر به عدم قطعيت بيشتر و قابليت اطمينان كمتر در طراحي شود. همبستگي بين پارامترهاي ژئوتكنيكي و پارامترهاي ژئوفيزيكي براي تسهيل استفاده از اطلاعات ژئوفيزيكي در طرح هاي ژئوتكنيكي مورد نياز است. پژوهش حاضر بر دو روش ژئوفيزيكي؛ مقاومت ويژه الكتريكي (Rs) و سرعت موج لرزهاي (موج برشي و موج فشاري ) متمركز است. مدلهاي شبكه عصبي مصنوعي (ANN) با استفاده از دادههاي برداشت شده براي پيشبيني پارامترهاي ژئوتكنيكي از Rs و سرعت موج لرزهاي توسعه يافتهاند. نتايج مدلهاي ANN از دادههاي برداشت شده نشان ميدهد كه Rs ميتواند پارامترهاي ژئوتكنيكي را با دقت متوسط تا خوب و همچنين ظرفيت تبادل كاتيوني (CEC) را بهتر از اشباع پيشبيني كند. سرعت موج لرزهاي به پيش بيني محتواي آب و چگالي خشك كمك ميكند. به طور كلي، عملكرد ANN بهتر از رگرسيون است.