ارزیابی نرخ برش سنگ های تراورتن بر اساس خصوصیات فیزیکو-مکانیکی از طریق مدل های رگرسیون
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 22
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JIRAEG-16-3_007
تاریخ نمایه سازی: 29 فروردین 1403
چکیده مقاله:
Evaluating the cutting rate (CR) of stones is important in the cost estimation and the planning of the stone processing plants. This research used regression models to estimate the stones’ CR based on their physico-mechanical characteristics. Stone processing factories in Mahallat City (Markazi province, Iran) were visited, and the CR of diamond circular saws was recorded on six different travertine stones. Next, the stone block samples were collected from the quarries for laboratory tests. Stones’ porosity (n), uniaxial compressive strength (UCS), and Schmidt hammer hardness (SH) were determined in the laboratory as their physico-mechanical characteristics. Correlation relationships of CR with physico-mechanical characteristics were evaluated using simple and multiple regression analyses, and estimator models were developed. Results showed that multiple regression models are more reliable than simple regression for estimating the stones’ CR. The validity of the developed multiple regression models was verified with the published data of one researcher. The findings indicated that these models are accurate enough for estimating the CR of stones. Consequently, the multiple regression models provide practical advantages for estimating the CR and save time and cost during the planning and design of the stone processing factories.
کلیدواژه ها:
نویسندگان
امین جمشیدی
گروه زمین شناسی، دانشکده علوم پایه، دانشگاه لرستان، خرم آباد، ایران
سید نجم الدین الماسی
گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
