فهرست نشریات علمی دسترسی آزاد ایران

درزه‌های ساختاری به دلیل تأثیر عمیق بر پایداری توده‌های سنگی و طراحی پروژه‌های مهندسی، نیازمند تحلیل دقیق و شناسایی صحیح دسته‌بندی‌ها هستند. این پژوهش باهدف ارائه روشی نوین برای شناسایی و تحلیل دسته‌های درزه، از رویکرد ترکیبی و چندمرحله‌ای شامل الگوریتم K-means برای خوشه‌بندی اولیه و الگوریتم خوشه‌بندی سلسله‌مراتبی تجمعی (AHC) برای تحلیل روابط پیچیده استفاده کرده است. داده‌های مطالعه شامل امتداد و شیب 172 صفحه درزه از توده گرانیتوئیدی لوچو زاهدان است که از طریق برداشت میدانی گردآوری شده‌اند. در ابتدا، الگوریتم K-means با استفاده از معیار فاصله اقلیدسی خوشه‌بندی اولیه را در پنج مرحله انجام داد. در این مراحل، ۲۱ داده نویز یا پرت به‌تدریج حذف شدند و با کاهش واریانس درون‌خوشه‌ای، داده‌های باقی‌مانده در ۱۲ خوشه اولیه قرار گرفتند. سپس با استفاده از الگوریتم AHC و معیار شباهت کسینوسی و اعمال سطح برش 866/0، ۱۲ خوشه اولیه به شش خوشه نهایی تقسیم شدند. نتایج نشان داد که واریانس درون‌خوشه‌ای معادل 36/16 درصد و واریانس بین‌خوشه‌ای معادل 64/83 درصد از واریانس کل است که بیانگر تفکیک مؤثر و انسجام بالای خوشه‌های نهایی با ویژگی‌های فضایی و هندسی بهینه است. در این مطالعه درزه‌ها در شش گروه نهایی شامل درزه‌های افقی (J1)، درزه‌های با شیب متوسط (J2) و درزه‌های با شیب تند (J3، J4، J5 و J6) دسته‌بندی شدند که هرکدام ویژگی‌ها و چالش‌های خاص خود را در فرآیند استخراج و پایداری دیواره‌های معدن دارند. این روش امکان تحلیل سه‌بعدی الگوهای فضایی درزه‌ها را فراهم کرده و به آشکارسازی روابط پیچیده در داده‌ها و ارائه نتایج قابل‌اعتماد منجر شد. رویکرد پیشنهادی علاوه بر بهبود دقت و تفکیک دسته‌های درزه‌ها، محدودیت‌های روش‌های متعارف را برطرف کرده و پارامترهای کمی برای تفسیر دقیق‌تر الگوهای زمین‌شناسی مرتبط با جهت‌گیری درزه‌ها فراهم می‌کند. نتایج آن به‌عنوان ابزاری کارآمد در برنامه‌ریزی استخراج معادن، بهبود پایداری شیب‌ها، طراحی سازه‌های زیرزمینی و مدیریت ریسک‌های مرتبط با توده‌های سنگی در پروژه‌های مهندسی قابل‌استفاده است.