پيش بيني لرزش زمين با استفاده از مدل تركيبي رگرسيون چند متغيره و شبكه عصبي

Ground vibration prediction model using a combination of neural network and multivariate regression

چكيده حفاري يكي از بخش‌هاي اصلي در ايجاد فضاهاي زيرزميني مي‌باشد. براي حفاري روش‌هاي مختلفي وجود دارد كه با توجه به شرايط فني و اقتصادي پروژه مناسب‌ترين آنها به كار گرفته مي‌شوند. آتشباري يكي از روش‌هاي معمول در حفاري‌ها مي‌باشد. انجام عمل آتشباري معمولاً همراه با ايجاد لرزش صورت مي‌گيرد. لرزش ايجاد شده در زمين باعث آسيب ديدن تاسيسات و ساختمان‌هاي اطراف مي‌شود. بدين منظور جهت رفع اين مشكل بايد اين تاسيسات خارج از محدوده تاثير عمليات آتشباري ساخته شوند. از طرفي ديگر فاصله بيش از اندازه تاسيسات و سازه‌ها از محل اجراي پروژه سبب مي‌شود هزينه‌هاي پروژه افزايش پيدا كند. بنابراين پيش بيني محدوده تاثير لرزش ناشي از آتشباري مي‌تواند كمك شاياني را در جانمايي تاسيسات و سازه‌ها داشته باشد. روش‌هاي متنوعي براي پيش بيني وجود دارد از جمله روش‌هاي آماري و روش‌هاي هوش مصنوعي. روش رگرسيون چند متغيره از زيرمجموعه‌هاي روش‌هاي آماري و روش شبكه عصبي از زيرمجموعه‌هاي روش‌هاي هوش مصنوعي ابزار مناسبي براي پيش بيني مي‌باشند. در اين مقاله سعي شده با استفاده از روش تركيبي رگرسيون چند متغيره و شبكه عصبي به پيش بيني لرزش ناشي از آتشباري در حفري‌ات سد مسجد سليمان پرداخته و سپس اين مدل تركيبي را با مدل‌هاي تجربي موجود مقايسه نمايد. نتايج نشان از آن دارد كه مدل تركيبي با ضريب همبستگي 95/0 و ميانگين مربع خطاي 162/3 در مقايسه با ساير روش‌ها برآورد بهتري ارايه مي‌كند.

Abstract Drilling is one of the most popular techniques for extracting the underground deposits. Blasting is one of the most common ways in drilling. Blasting operation is usually connected with vibration. Ground vibration created damages buildings and facilities. In order to resolve this problem, the facilities must be established in out of influence area. On the other hand, a long distance imposes a great deal of costs. So, range prediction of limited area of vibration can be helped in locating the facilities and structures. There are variety methods for modeling and predicting, including statistical techniques, artificial intelligence and analytical methods. Multivariate regression method, the subset of statistical techniques, and neural network method, the subset of artificial intelligence techniques, are appropriate tools to predict a system. In this paper, a combination of multivariate regression and neural network is presented to predict ground vibration caused by blasting in Masjed Soleiman Dam excavations. To valid the proposed model, the combination model is compared with existing empirical models. The results show that the combination model with correlation coefficient 0.95 and the mean square error of 3.162 outperforms other models.