استفاده از روش های مختلف هوشمند در نرم افزار Orange برای تخمین مدول تغییر شکل پذیری توده سنگ

مدول تغییرشکل پذیری نشان دهنده ی میزان قابلیت تغییر شکل دادن توده سنگ در پاسخ به هرگونه بارگذاری و باربرداری است و به دلیل ایفای نقش درطراحی اکثر سازه های زیرزمینی حائز اهمیت می باشد. این پارامتر به صورت برجا، معمولا به کمک دو آزمایش بارگذاری صفحه ای و دیلاتومتری انجام می شود که با صرف هزینه و زمان زیادی همراه است. بعلاوه وجود ناپیوستگی ها و درزه و شکاف ها در توده سنگ، تست های آزمایشگاهی بر روی نمونه های استوانه ای نیز با خطا مواجه می شود. امروزه برای تعریف یک رابطه میان یک پارامتر و پارامتر های وابسته آن و ساخت یک مدل برای تخمین یا پیش بینی پارامتر مورد نظر از انواع روش های هوش محاسباتی استفاده می شود و البته نتایج مطلوبی را نیز ارائه می دهند. هدف از این تحقیق به کارگیری این نوع الگوریتم ها به منظور ایجاد یک مدل کارآمد برای پیش بینی مدول تغییرشکل پذیری بر روی یک پایگاه داده می باشد. در این راستا عملکرد سه مدل ایجاد شده توسط روش های شبکه عصبی مصنوعی، نزدیک ترین همسایگی و جنگل تصادفی، به کمک نرم افزار Orange ارزیابی شده اند. نتایج نشان داد مدل شبکه عصبی مصنوعی با ۱۱۶/۰RMSE= و ۰۹۴/۰MAE= دارای بهترین عملکرد و دقت است. همچنین آنالیز حساسیت پارامترهای ورودی نشان می دهد که پارامتر سیستم طبقه بندی توده سنگ RMR به عنوان یک پارامتر مهم و موثر به شمار می رود.

کلیدواژه ها:

Rock mass ، Deformation modulus ، Artificial Neural Network ، Sensitivity analysis ، Orange software