فهرست نشریات علمی دسترسی آزاد ایران

مدول تغییرشکل‌پذیری نشان‌دهنده‌ی میزان قابلیت تغییر شکل‌دادن توده‌سنگ در پاسخ به هرگونه بارگذاری و باربرداری است و به‌دلیل ایفای نقش درطراحی اکثر سازه‌های زیرزمینی حائز اهمیت می‌باشد. این پارامتر به‌صورت برجا، معمولاْ به کمک دو آزمایش بارگذاری صفحه‌ای و دیلاتومتری انجام می‌شود که با صرف هزینه و زمان زیادی همراه است. بعلاوه وجود ناپیوستگی‌ها و درزه و شکاف‌ها در توده سنگ، تست‌های آزمایشگاهی بر روی نمونه‌های استوانه‌ای نیز با خطا مواجه می‌شود. امروزه برای تعریف یک رابطه میان یک پارامتر و پارامتر‌های وابسته‌ آن و ساخت یک مدل برای تخمین یا پیش‌بینی پارامتر مورد نظر از انواع روش‌های هوش محاسباتی استفاده می‌شود و البته نتایج مطلوبی را نیز ارائه می‌دهند. هدف از این تحقیق به‌کارگیری این نوع الگوریتم‌ها به‌منظور ایجاد یک مدل کارآمد برای پیش‌بینی مدول تغییرشکل‌پذیری بر روی یک پایگاه داده می‌باشد. در این راستا عملکرد سه مدل ایجاد شده توسط روش‌های شبکه عصبی مصنوعی، نزدیک‌ترین همسایگی و جنگل تصادفی، به کمک نرم‌افزار Orange ارزیابی شده‌اند. نتایج نشان داد مدل شبکه عصبی مصنوعی با 116/۰RMSE= و ۰۹۴/۰MAE= دارای بهترین عملکرد و دقت است. همچنین آنالیز حساسیت پارامترهای ورودی نشان می‌دهد که پارامتر سیستم طبقه بندی توده سنگ RMR به عنوان یک پارامتر مهم و مؤثر به‌شمار می‌رود.