تخمین سرعت موج برشی به روش رگرسیون فرایند گاوسی، رگرسیون چندمتغیره و شبکه عصبی مصنوعی پرسپترون چند لایه

تخمین سرعت امواج برای طراحی سازه های ژئوتکنیکی و مدل سازی حفاری های 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 می باشد. به منظور انجام این مطالعه، 14 بلوک سنگی از شمال غرب شهر دماوند تهیه و بعد از انتقال به آزمایشگاه از آن ها مغزه گیری شد. جهت توسعه یک مدل پیش بینی کننده، آزمایش های شاخص بار نقطه ای، سرعت موج تراکمی، تخلخل و دانسیته بر روی 61 نمونه مغزه سنگی انجام شد. شاخص بار نقطه ای، سرعت موج تراکمی، تخلخل و چگالی به عنوان پارامترهای ورودی مدل ها به منظور پیش بینی سرعت موج برشی استفاده شدند. نتایج مطالعات سنگ شناسی نشان داد که ماسه سنگ های مورد مطالعه، فلدسپاتیک لیتارنایت و لیت آرنایت می باشند. نتایج نشان داد که نسبت سرعت موج تراکمی به سرعت موج برشی بطور متوسط برابر با 70/1 می باشد. نتایج شبکه عصبی مصنوعی پرسپترون چند لایه نشان داد که بیش ترین دقت مدل ها با استفاده از قانون آموزش لونبرگ مارکوارت حاصل شده است. دقیق ترین مدل ها 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 پیش بینی سرعت موج برشی نسبت به سایر روش ها نشان داد.