فهرست نشریات علمی دسترسی آزاد ایران

تخمین سرعت امواج برای طراحی سازه­های ژئوتکنیکی و مدل­سازی حفاری­های عمیق اهمیت زیادی دارد. هدف از این مطالعه تخمین سرعت موج برشی به روش رگرسیون فرایند گاوسی با استفاده از تابع کرنل نمایی، شبکه عصبی مصنوعی و رگرسیون چندمتغیره می­باشد. به منظور انجام این مطالعه، 14 بلوک سنگی از شمال غرب شهر دماوند تهیه و بعد از انتقال به آزمایشگاه از آن­ها مغزه­گیری شد. جهت توسعه یک مدل پیش­بینی کننده، آزمایش­های شاخص بار نقطه­ای، سرعت موج تراکمی، تخلخل و دانسیته بر روی 61 نمونه مغزه سنگی انجام شد. شاخص بار نقطه­ای، سرعت موج تراکمی، تخلخل و چگالی به عنوان پارامترهای ورودی مدل­ها به منظور پیش­بینی سرعت موج برشی استفاده شدند. نتایج مطالعات سنگ­شناسی نشان داد که ماسه­سنگ­های مورد مطالعه، فلدسپاتیک لیتارنایت و ‌‌لیت‌آرنایت می­باشند. نتایج نشان داد که نسبت سرعت موج تراکمی به سرعت موج برشی بطور متوسط برابر با 70/1 می­باشد. نتایج شبکه عصبی مصنوعی پرسپترون چند لایه نشان داد که بیش­ترین دقت مدل­ها با استفاده از قانون آموزش لونبرگ مارکوارت حاصل شده است. دقیق­ترین مدل­ها با استفاده از این الگوریتم برای تخمین سرعت موج برشی در نورون شماره 2 (نورون بهینه) حاصل شد. روش رگرسیون فرایند گاوسی، شبکه عصبی مصنوعی و رگرسیون چندمتغیره سرعت موج برشی را به ترتیب با ضرایب همبستگی 97/0، 96/0 و 95/0 پیش بینی نمودند. روش رگرسیون فرایند گاوسی عملکرد بهتری در پیش­بینی سرعت موج برشی نسبت به سایر روش­ها نشان داد.