احسان مومنی - عمران، دانشکده فنی مهندسی، دانشگاه لرستان، خرم آباد، ایران
یاسین عبدی - استادیار گروه زمین شناسی/ دانشگاه لرستان

این تحقیق با هدف ارائه یک سیستم هوش کاربردی که الگوریتم مدیریت داده ها به روش گروهی (GMDH) نامیده می شود، برای پیش بینی غیرمستقیم مقاومت فشاری تک محوری سنگ های آهکی انجام شده است. اندازه گیری مستقیم مقاومت فشاری تک محوری سنگ در آزمایشگاه، زمان بر، دشوار و پرهزینه است. در مطالعه حاضر، چندین آزمایش شاخص سنگ به همراه آزمایش های مقاومت فشاری تک محوری بر روی نمونه های سنگ آهک جمع آوری شده انجام شده است. در این پژوهش، براساس هدف اول، چهار معادله تجربی بر مبنای پیش بینی کننده ها، شامل دانسیته خشک، سرعت سیر موج، دوام شکفتگی و شاخص مقاومت بار نقطه ای، با هدف پیش بینی مقاومت فشاری تک محوری پیشنهاد شد. نتایج این تحلیل ها تایید کرد که نیاز به توسعه مدل های چند متغیره جدید در پیش بینی مقاومت سنگ وجود دارد. برای این منظور مدل GMDH برای پیش بینی مقاومت فشاری تک محوری سنگ طراحی شده است. به منظور انجام یک مقایسه عادلانه، یک شبکه عصبی مصنوعی از پیش ساخته شده، به عنوان یک مدل مبنا برای سیستم های هوشمند، برای پیش بینی مقاومت سنگ طراحی شده است. سپس با استفاده از برخی شاخص های ارزیابی عملکرد معروف، مدل های GMDH و شبکه عصبی مورد نظر ارزیابی شده و نتایج آن ها با انتخاب بهترین مدل پیش بینی و نتایج متوسط مقایسه گردید. نتایج نشان داد که شبکه GMDH یک روش قدرتمند و قوی برای پیش بینی دقیق مقاومت فشاری تک محوری سنگ می باشد.

مقاومت فشاری تک محوری (UCS), مدیریت گروهی داده ها (GMDH), شبکه عصبی مصنوعی (ANN), همدان, سنگ آهک