دکتر محمد رضایی
-
در این مقاله از الگوریتم بهینه سازی گرگ خاکستری (GWO) برای پیش بینی حداکثر نشست سطح زمین (Smax) و عرض گودی پروفیل نشست (i) ناشی از عملیات حفاری تونل های شهری استفاده شده است. بدین منظور، 26 دسته داده با دو پارامتر خروجی (Smax و i) و 9 پارامتر ورودی شامل چسبندگی (C)، زاویه اصطکاک داخلی (φ)، مدول تراکم پذیری خاک (Es)، فاصله محور تونل از سطح زمین (H)، قطر تونل (D)، فشار تزریق گروت (P)، درصد پرشدن گروت (n)، نیروی پیشران (F) و نرخ پیشروی (v) دستگاه حفاری جهت مدل سازی الگوریتم GWO گردآوری شد. همچنین، مدل رگرسیون خطی چندگانه (MLR) جهت ارزیابی و مقایسه با الگوریتم GWO استفاده گردید. عملکرد مدل های GWO و MLR با استفاده از سه شاخص آماری ضریب تعیین، جذر میانگین مربعات خطا و خطای مطلق میانگین در مراحل آموزش و تست مورد بررسی قرار گرفت و با نتایج مدل های تجربی موجود در منابع مقایسه گردید. نتایج حاصله بیانگر خطای کمتر الگوریتم GWO و قابلیت اطمینان و دقت بالاتر آن در مقایسه با مدل MLR و سایر مدل های تجربی است. بعلاوه، نتیجه آنالیز حساسیت مدل ها و همبستگی داده ها نشان داد که پارامترهای F و n به ترتیب مهم ترین و کم اهمیت ترین پارامترهای تاثیرگذار بر Smax هستند. همچنین، C و v به ترتیب دارای بیش ترین و کم ترین تاثیر بر i می باشند. با در نظر گرفتن نتایج حاصل از این تحقیق، می توان نتیجه گرفت که مدل های پیشنهادی (به ویژه مدل GWO) از قابلیت بالایی برای تخمین پارامترهای نشست سطح زمین برخوردارند.
کلید واژگان: تول سازی، حداکثر نشست سطح زمین، عرض گودی پروفیل نشست، بهینه سازی گرگ خاکستری، رگرسیون خطی چندگانهIn this paper, grey wolf optimization (GWO) and multiple linear regression (MLR) models have been utilized to estimate the maximum surface settlement (Smax) and trough width (i) of settlement profile due to the tunnel excavation. The results show the superiority of the GWO algorithm compared to the MLR model and similar empirical models. Moreover, the importance study and the correlation matrix of the datasets reveal that thrust force and cohesion are the most important variables on Smax and i, respectively. On the other hand, the tunnel diameter and Poisson ratio are the least important variables on Smax and i, respectively.
Keywords: Tunneling, Maximum Surface Settlement, Trough Width Of Settlement, Grey Wolf Optimizer, Multiple Linear Regression -
تجزیه و تحلیل تنش در اطراف پهنه استخراج شده یکی از مهم ترین موضوعات در معدن کاری جبهه کار طولانی به منظور تحلیل پایداری پایه های حائل و تونل های دسترسی اطراف است. در اصل، توزیع مجدد تنش ناشی از استخراج ورودی های اطراف پهنه به همراه تنش ناشی از معدن کاری جبهه کار طولانی بایستی در طراحی سازه های اطراف در نظر گرفته شود. لذا در این تحقیق، از مدل های شبکه عصبی مصنوعی (ANN) و رگرسیون خطی چند متغیره (MLR) برای تعیین ضریب تمرکز تنش (SCC) در اطراف پهنه جبهه کار طولانی استفاده شده است. برای طراحی و ارزیابی مدل های فوق به منظور تعیین SCC، از 120 سری داده و چهار پارامتر موثر شامل ارتفاع منطقه بدون تنش، وزن مخصوص توده سنگ، عمق روباره و فاصله افقی از دیواره پهنه به عنوان ورودی استفاده شده است. بر اساس روش سعی و خطا، شبکه عصبی چند لایه با الگوریتم انتشار مجدد خطا، ساختار 1-8-8-4، تابع آموزش لونبرگ-مارک کواردت و تابع انتقال لگاریتم سیگموئید دارای کم ترین خطا بوده و به عنوان مدل ANN بهینه جهت تخمین SCC در نظر گرفته شده است. مقایسه عملکرد مدل ها با استفاده از شاخص های ارزیابی عملکرد مخنلف نشان داد که خروجی ANN تطابق بسیار خوبی با مقادیر واقعی داشته و دقت آن بیشتر و خطای آن کمتر از مدل MLR است. در نهایت، نتایج تحلیل اهمیت متغیرها نشان داد که عمق روباره و وزن مخصوص توده سنگ به ترتیب دارای بیش ترین و کم ترین تاثیر بر SCC هستند. نتایج حاصل از این تحقیق نشان می دهد که مدل ANN پیشنهادی دارای قابلیت خوبی در تخمین میزان SCC بوده و با اطمینان خوبی می تواند در عملیات معدن کاری جبهه کار طولانی مورد استفاده قرار گیرد.
کلید واژگان: معدن کاری جبهه کار طولانی، ضریب تمرکز تنش، مدل شبکه عصبی، مدل آماری، تحلیل اهمیت متغیرIn this study, artificial neural network (ANN) and multiple linear regression (MLR) models are used to estimate the stress concentration coefficient (SCC) around an extracted longwall panel. To estimate the SCC using the ANN and LMR models, 120 datasets and four effective input parameters are used. An evaluation of the models has shown that the ANN model demonstrates higher accuracy and lower error than the MLR model and its outputs are in very good agreement with the real datasets. Finally, variable importance analysis has confirmed that the overburden depth and the rock mass specific weight have the most and the least influence on the SCC, respectively.
Keywords: Longwall Mining, Stress Concentration Coefficient, Neural Network Model, Statistical Model, Variable Importance Analysis -
ارتفاع منطقه رها از تنش (HDZ) در سقف پهنه جبهه کار طولانی پارامتر مهمی در تعیین میزان تنش ناشی از استخراج پهنه و بارهای انتقالی به اطراف آن است. لذا تخمین دقیق HDZ به منظور تحلیل تنش در اطراف پهنه، طراحی ایمن سیستم نگهداری ورودی ها و پیش بینی نشست سطح زمین، ضروری می باشد. به منظور تعیین HDZ در این تحقیق، از دو مدل رگرسیون آماری و شبکه عصبی مصنوعی استفاده و نتایج حاصله با همدیگر و با داده های واقعی مقایسه شد. برای طراحی و ارزیابی مدل ها، از 120 سری داده مستخرج از منابع معتبر استفاده گردید. پارامترهای ارتفاع روباره، ضخامت لایه زغال سنگ استخراجی، وزن مخصوص، مدول الاستیسیته، ضریب پواسون، مقاومت فشاری تک محوری و فاکتور حجمی توده سنگ سقف به عنوان متغیرهای ورودی برای پیش بینی HDZ در نظر گرفته شد. در فرآیند ارزیابی مدل ها بر اساس داده های واقعی، مقادیر ضریب تصمیم گیری، میانگین خطای مطلق و میانگین خطای نسبی به ترتیب برای مدل آماری برابر با %77/22، 5/66 متر و %20/43 و برای شبکه عصبی برابر با %96/04، 2/53 متر و %7/32 به دست آمد. نتایج فوق نشان دهنده دقت بیش تر و خطای کم تر شبکه عصبی نسبت به مدل آماری و تطابق بهتر خروجی های آن با داده های واقعی است. تحلیل حساسیت نتایج مدل آماری نشان داد که وزن مخصوص و ضریب پواسون توده سنگ به ترتیب با مقدار ضریب استاندارد شده 0/524 و 0/01 بیش ترین و کمترین تاثیر را بر HDZ دارند. در نهایت، تحلیل اهمیت متغیر نتایج شبکه عصبی نشان داد که ارتفاع روباره و ضریب پواسون به ترتیب با میزان اهمیت 0/949 و 0/879 دارای بیش ترین و کم ترین تاثیر بر HDZ هستند.
کلید واژگان: معدنکاری جبهه کار طولانی، منطقه رها از تنش، رگرسیون آماری، شبکه عصبی مصنوعی، تحلیل اهمیت متغیرTo determine the height of destressed zone (HDZ) in this study, multivariate linear regression (MLR) and artificial neural network (ANN) models have been used and the obtained results have been compared with each other and with real data. Models outputs have been evaluated using performance evaluation indices and their outputs have been compared with real datasets in a Taylor diagram and a column chart. Results show that the ANN model has more accuracy and less error than the MLR model, and its output has a better match with real datasets. Finally, variable importance analysis of ANN model results has proven that overburden depth and Poisson's ratio are most the least effective variables on the HDZ.
Keywords: Longwall Mining, Height Of Destressed Zone, Statistical Regression, Artificial Neural Network, Variable Importance Analysis -
ارتفاع منطقه رها از تنش (HDZ) در سقف پهنه جبهه کار طولانی پارامتر مهمی در تعیین میزان تنش ناشی از استخراج پهنه و بارهای انتقالی به اطراف آن است. لذا تخمین دقیق HDZ به منظور تحلیل تنش در اطراف پهنه، طراحی ایمن سیستم نگهداری ورودی ها و پیش بینی نشست سطح زمین، ضروری می باشد. به منظور تعیین HDZ در این تحقیق، از دو مدل رگرسیون آماری و شبکه عصبی مصنوعی استفاده و نتایج حاصله با همدیگر و با داده های واقعی مقایسه شد. برای طراحی و ارزیابی مدل ها، از 120 سری داده مستخرج از منابع معتبر استفاده گردید. پارامترهای ارتفاع روباره، ضخامت لایه زغال سنگ استخراجی، وزن مخصوص، مدول الاستیسیته، ضریب پواسون، مقاومت فشاری تک محوری و فاکتور حجمی توده سنگ سقف به عنوان متغیرهای ورودی برای پیش بینی HDZ در نظر گرفته شد. در فرآیند ارزیابی مدل ها بر اساس داده های واقعی، مقادیر ضریب تصمیم گیری، میانگین خطای مطلق و میانگین خطای نسبی به ترتیب برای مدل آماری برابر با %77/22، 5/66 متر و %20/43 و برای شبکه عصبی برابر با %96/04، 2/53 متر و %7/32 به دست آمد. نتایج فوق نشان دهنده دقت بیش تر و خطای کم تر شبکه عصبی نسبت به مدل آماری و تطابق بهتر خروجی های آن با داده های واقعی است. تحلیل حساسیت نتایج مدل آماری نشان داد که وزن مخصوص و ضریب پواسون توده سنگ به ترتیب با مقدار ضریب استاندارد شده 0/524 و 0/01 بیش ترین و کمترین تاثیر را بر HDZ دارند. در نهایت، تحلیل اهمیت متغیر نتایج شبکه عصبی نشان داد که ارتفاع روباره و ضریب پواسون به ترتیب با میزان اهمیت 0/949 و 0/879 دارای بیش ترین و کم ترین تاثیر بر HDZ هستند.
کلید واژگان: معدنکاری جبهه کار طولانی، منطقه رها از تنش، رگرسیون آماری، شبکه عصبی مصنوعی، تحلیل اهمیت متغیرIntroductionDue to a significant coal seam extraction in longwall mining, the roof layers are fractured, caved, and a destressed zone is formed at the panel roof. Accurately determining the height of this zone is very important in the estimation of transfer stresses to the surrounding structures. There are several methods in the literature to predict the HDZ, i.e., insitu measurement and physical, empirical, numerical, analytical, intelligent and statistical modeling. To cover the weaknesses of available methods, the HDZ is predicted using MLR and ANN models in this research.
Methodology and ApproachesThe MLR and ANN models are used to predict the HDZ in this study. To develop these models, 120 datasets have been collected from literatures and have randomly been divided into training (100 series) and testing (20 series) datasets. Based on the training datasets, the optimal MLR and ANN models have been developed to predict HDZ. Finally, the developed models have been evaluated and verified using the testing datasets.
Results and ConclusionsTo develop the optimal MLR and ANN models for determining HDZ, thier performances have been evaluated during the training and testing phases using performance evaluation indices, and statistical diagrams and charts. The results have shown that ANN model has the higher accuracy compared to the MLR model. Moreover, variable importance analysis has confirmed that overburden depth has the most and Poisson's ratio has the least effect on the HDZ. These results prove that the proposed ANN has a good ability in HDZ estimation and can be applied in practice with an acceptable reliability.
Keywords: Longwall Mining, Height Of Destressed Zone, Statistical Regression, Artificial Neural Network, Variable Importance Analysis -
نشریه محیط و معدن، سال شانزدهم شماره 3 (May-Jun 2025)، صص 1009 -1025
This paper presents an experimental-statistical study investigating the influence of five joint properties: density, filling type, angle, aperture, and roughness on the longitudinal wave velocity (LWV) of concrete samples. To achieve this, each of the five properties is categorized into distinct groups with specific intervals. Concrete samples measuring 15*15*15 cm are prepared in the laboratory based on an optimal combination of 75% sand, 15% cement, and 10% water. The LWV values of these samples are then measured. The experimental results indicate that joint density, roughness, and aperture have an inverse relation with LWV, resulting in reductions of 82%, 22.5% and 49%, respectively. Additionally, an approximate sinusoidal relationship between LWV and joint angle is established, leading to a variation of approximately 10% in LWV values for different joint angles. To evaluate the effect of joint filling on LWV, various filling materials, including iron oxide, calcite, silica, clay, and gypsum are used, resulting in approximately a 34% variation in LWV values. It was found that gypsum filling yields the highest LWV value while iron oxide filling produces the lowest. Furthermore, analysis of variance (ANOVA) confirms that a polynomial quadratic equation best represents the relation between LWV and each of the joint characteristics, with determination coefficient (R2) values ranging from 0.694 to 0.99. Finally, a verification study using "validation samples" demonstrates the acceptable accuracy for the proposed equations, with minimum relative errors ranging from 3% to 13%, a low root mean square error of 189.08 m/s, and a high R2 value of 0.926. This research enhances understanding of wave propagation through jointed rock masses with varying joint characteristics and provides theoretical support for rock reorganization and dynamic stability analysis of rock masses.
Keywords: Rock Mass, Joint, Longitudinal Wave Velocity, Experimental Study, Statistical Analysis -
This study introduces a novel approach, known as Hybrid Probabilistic Slope Stability Analysis (HPSSA), tailored for Mine 4 of the Gol-E-Gohar iron complex in Iran. The mine walls are first divided into 8 separate structural zones, including A-A' to H-H' sections for slope stability analysis. Then, sufficient core specimens are prepared from 22 drilled boreholes and the required parameters for slope design, including cohesion (c), friction angle (φ), and unit weight (γ), are measured. Finally, the HPSSA approach is performed through the combination of Monte Carlo simulation (MCS), Mohr-Coulomb criterion and Bishop's technique. According to the HPSSA results, the normal distribution function is achieved as the best curve fit for c, φ and γ parameters. Also, the obtained values of mean probabilistic safety factor (SF) for defined structural zones vary from 0.93 to 1.86, with the probability of failure (PF) of 0 to 75.6%. Moreover, SF values varied from 0.68 to 1.22 (mean value of 0.93) with a PF of 75% for the A-A' section and from 0.65 to 1.24 (mean value of 0.97) with a PF of 60% for the H-H' section. Hence, it is concluded that the A-A' section and mine’s north wall are more prone to instability with PF>60%. On the other hand, SF>1.2 and PF<5% for other mine walls (sections B-B'-G-G') prove that they are highly unlikely to be unstable. Displacement monitoring of the pit walls using installed prisms confirmed that average displacements in structural zones have a similar trend with SF values of the HPSSA. The results show a good agreement between the trend of probabilistic SFs and monitored slope displacements. Lastly, comparative analysis confirmed the validity of the suggested HPSSA approach with relatively higher accuracy than most previous slope stability analysis methods.
Keywords: Gol-E-Gohar Iron Mine, Slope Stability, Probabilistic Analysis, Monte Carlo Simulation, Displacement Monitoring -
در این مقاله از الگوریتم بهینه سازی گرگ خاکستری (GWO) برای پیش بینی حداکثر نشست سطح زمین (Smax) و عرض گودی پروفیل نشست (i) ناشی از عملیات حفاری تونل های شهری استفاده شده است. بدین منظور، 26 دسته داده با دو پارامتر خروجی (Smax و i) و 9 پارامتر ورودی شامل چسبندگی (C)، زاویه اصطکاک داخلی (φ)، مدول تراکم پذیری خاک (Es)، فاصله محور تونل از سطح زمین (H)، قطر تونل (D)، فشار تزریق گروت (P)، درصد پرشدن گروت (n)، نیروی پیشران (F) و نرخ پیشروی (v) دستگاه حفاری جهت مدل سازی الگوریتم GWO گردآوری شد. همچنین، مدل رگرسیون خطی چندگانه (MLR) جهت ارزیابی و مقایسه با الگوریتم GWO استفاده گردید. عملکرد مدل های GWO و MLR با استفاده از سه شاخص آماری ضریب تعیین، جذر میانگین مربعات خطا و خطای مطلق میانگین در مراحل آموزش و تست مورد بررسی قرار گرفت و با نتایج مدل های تجربی موجود در منابع مقایسه گردید. نتایج حاصله بیانگر خطای کمتر الگوریتم GWO و قابلیت اطمینان و دقت بالاتر آن در مقایسه با مدل MLR و سایر مدل های تجربی است. بعلاوه، نتیجه آنالیز حساسیت مدل ها و همبستگی داده ها نشان داد که پارامترهای F و n به ترتیب مهم ترین و کم اهمیت ترین پارامترهای تاثیرگذار بر Smax هستند. همچنین، C و v به ترتیب دارای بیش ترین و کم ترین تاثیر بر i می باشند. با در نظر گرفتن نتایج حاصل از این تحقیق، می توان نتیجه گرفت که مدل های پیشنهادی (به ویژه مدل GWO) از قابلیت بالایی برای تخمین پارامترهای نشست سطح زمین برخوردارند.
کلید واژگان: تول سازی، حداکثر نشست سطح زمین، عرض گودی پروفیل نشست، بهینه سازی گرگ خاکستری، رگرسیون خطی چندگانهIn this paper, grey wolf optimization (GWO) and multiple linear regression (MLR) models have been utilized to estimate the maximum surface settlement (Smax) and trough width (i) of settlement profile due to the tunnel excavation. The results show the superiority of the GWO algorithm compared to the MLR model and similar empirical models. Moreover, the importance study and the correlation matrix of the datasets reveal that thrust force and cohesion are the most important variables on Smax and i, respectively. On the other hand, the tunnel diameter and Poisson ratio are the least important variables on Smax and i, respectively .
Keywords: Tunneling, Maximum Surface Settlement, Trough Width Of Settlement, Grey Wolf Optimizer, Multiple Linear Regression -
در این پژوهش، مدل پیش بینی مبتنی بر الگوریتم جنگل تصادفی (RF)، ماشین بردار پشتیبان (SVM) و ترکیب آن ها (RF-SVM) با بکارگیری تکنیک جستجوی شبکه ای همراه با فرآیند اعتبارسنجی متقاطع، برای پیش بینی مقاومت و مود همرسی ترک در نمونه های شبه سنگی دارای درزه ناممتد تحت آزمایش های تراکم یک محوره و دو محوره، ارایه می شود. خصوصیات مقاومتی نمونه (σc، σt، υ، E، C و tanφ)، فشار محصورکننده (σn)، تعداد درزه ها (N)، زاویه قرارگیری درزه ها نسبت به راستای افق (β) و ضریب درزه داری (JC) به عنوان پارامترهای ورودی و مود همرسی ترک و مقاومت نمونه ها به عنوان پارامترهای خروجی در نظر گرفته شدند. همچنین، با استفاده از رگرسیون خطی چندگانه (MLR) رابطه ای به منظور پیش بینی مقاومت نمونه ها ارائه شد. عملکرد مدل MLR و مدل های بهینه RF، SVM و RF-SVM براساس شاخص های آماری R2، RMSE، MAE و صحت کلی (OA) ارزیابی شد. مدل های RF-SVM، RF و SVM به ترتیب عملکرد به مراتب بهتری نسبت به مدل MLR دارند و قادرند مقاومت و مود همرسی ترک در نمونه ها را با دقت بسیار بالایی پیش بینی نمایند. همچنین، تحلیل عدم قطعیت به منظور ارزیابی اعتمادپذیری مدل ها انجام شد. نتایج تحلیل عدم قطعیت با استفاده از شاخص عرض بازه اطمینان (WCB) در مراحل آموزش و تست نشان داد که مدل ترکیبی RF-SVM و مدل های RF و SVM به ترتیب دارای کمترین مقدار WCB و بالاترین قطعیت در پیش بینی مقاومت نمونه ها هستند. نتایج نشان داد که مهمترین پارامترهای تاثیرگذار بر مقاومت نمونه ها به ترتیب σn، JC، C، cσ هستند، ولی پارامتر σn و N بیشترین تاثیر را بر مود شکست نمونه ها دارند.کلید واژگان: درزه ناممتد، مود همرسی ترک، جنگل تصادفی، ماشین بردار پشتیبانJointed rock's strength characteristics and crack coalescence mode are considerably affected by its mechanical properties and pre-existing joint arrangement. In this paper, predictive models based on random forest (RF) and support vector machin (SVM) algorithms have been developed to predict strength (S) and crack coalesence mode (CCM) of jointed rock-like samples with non-persistent joints under uniaxial and biaxial compression tests. Mechanical properties of specimens (σc, σt, υ, E, C and tanφ), confining pressure (σn), number of joints (N), joint angle with respect to the horizon (β) and jointing coefficient (JC) were used as input parameters, while, S and CCM were assigned as output parameters. The performance of optimal RF and SVM models was evaluated based on the statistical criteria of coefficient of detemination (R2), root mean square error (RMSE), mean absolute error (MAE) and overall accuracy (OA). Also, multiple linear regression (MLR) model was used to predict S, as well as to evaluate and compare with optimal RF and SVM models. According to obtained results, it was concluded that both algorithms have superior efficiency and outperform the MLR model. Results of sensitivity analysis reveled that parameters C, σc, E and σt have the greatest effect on the strength of the samples, respectively, where JC parameter has the least effect on the strength of the specimens.Keywords: Non-Persistent Joint, Crack Coalescence Mode, RF, SVM
-
در این مقاله، هدف پیش بینی حداکثر نشست سطح زمین (Smax) ناشی از عملیات تونل سازی در محیط های کم عمق شهری با استفاده از دو الگوریتم برنامه ریزی بیان ژن (GEP) و بیان چند ژنی (MEP) است. بدین منظور، 24 دسته داده مربوط به پروژه های مختلف تونل سازی مشتمل بر 9 پارامتر ورودی موثر بر Smax از جمله فاصله مرکز تونل از سطح زمین (H)، ارتفاع سطح آب زیرزمینی بالای تونل (W)، قطر تونل (D)، مدول الاستیسیته خاک (E)، مقاومت برشی زهکشی نشده خاک (Cu)، ضریب فشار زمین (K0)، وزن مخصوص خاک (γ)، پارامتر گپ (g) و عدد پایداری (N)، جمع آوری و بطور تصادفی به دو بخش آموزش و تست تقسیم شد. سپس، الگوریتم های GEP و MEP بر داده های مرحله آموزش اعمال و دو مدل ریاضی جدید برای پیش بینی Smax بدست آمد. در ادامه، از رگرسیون خطی چند متغیره (LMR) نیز برای پیش بینی Smax و مقایسه آن با مدل های GEP و MEP استفاده شد. به منظور اعتبارسنجی و مقایسه عملکرد مدل های پیشنهادی در مراحل آموزش و تست از دیاگرام تیلور، منحنی مشخصه خطای رگرسیون (REC) و 5 شاخص آماری شامل ضریب تعیین، شمول واریانس، شاخص a20-index، جذر میانگین مربعات خطا و خطای مطلق میانگین استفاده شد. نتایج بدست آمده بر مبنای دیاگرام تیلور، منحنی REC و شاخص های آماری نشان داد که هر دو مدل هوش مصنوعی مبتنی بر تکامل به ویژه GEP، در مقایسه با مدل LMR عملکرد بهتری دارند و می توانند با دقت و قابلیت اطمینان بالاتر و خطای کمتر Smax را پیش بینی نماید. به علاوه، استفاده از آزمون های آماری ANOVA و t-test، نمودارهای پراکندگی و هیستوگرام خطا و نیز نمودار جعبه ای باقی مانده ها، پایداری و تعادل آماری مدل های GEP و MEP را تایید کرده و نشان داد که مدل های توسعه یافته از دقت و قابلیت اطمینان مناسبی برخوردار هستند. همچنین، استفاده از باند اطمینان 95% برای بررسی عدم قطعیت مدل ها، نشان داد که بخش عمده ای از مقادیر واقعی در این بازه قرار دارند، که نشان دهنده توانایی بالای مدل ها در تعمیم به داده های جدید است. در نهایت، نتایج تحلیل اهمیت پارامترهای ورودی نشان داد که g، Cu و N به ترتیب مهمترین پارامترهای تاثیرگذار بر Smax هستند در حالی که γ و K0 کمترین تاثیر را بر Smax دارند.کلید واژگان: عملیات تونل سازی، حداکثر نشست سطح زمین، برنامه ریزی بیان ژن، برنامه ریزی بیان چند ژنی، رگرسیون خطی چندمتغیرهThis study aims to predict the maximum ground surface settlement (Smax) induced by shallow urban tunneling using two evolutionary algorithms: Gene expression programming (GEP) and multi expression programming (MEP). A dataset comprising 24 tunneling projects with 9 key input parameters including tunnel depth (H), groundwater height (W), tunnel diameter (D), soil elasticity modulus (E), undrained shear strength (Cu), earth pressure coefficient (K0), unit weight of soil (γ), gap parameter (g), and stability number (N), was collected and randomly split into training and testing sets. Both GEP and MEP were applied to the training data to develop predictive mathematical models for Smax. Additionally, a linear multivariable regression (LMR) model was built for comparison. Model performance was evaluated using Taylor diagrams, Regression Error Characteristic (REC) curves, and five statistical indices: R², VAF, a20-index, RMSE, and MAE. Results revealed that both AI-based models, particularly GEP, outperformed the LMR model in accuracy and reliability. Further validation using ANOVA, t-tests, residual plots, and 95% confidence intervals confirmed the statistical robustness and generalizability of the developed models. Sensitivity analysis indicated that g, Cu, and N were the most influential parameters, while γ and K0 had the least impact on Smax.Keywords: Tunneling Operations, Maximum Ground Surface Settlement, Gene Expression Programming, Multi Expression Programming Linear Multivariate Regression
-
In this research, the relationship of vertical drilling rate (VDR) with rock properties is studied in the marble quarry mining based on the combination of field surveys and laboratory experiments. To achieve this, the VDR is initially measured while drilling at the Malawi marble quarry mine. Then, the physical and mechanics tests are conducted on the core specimens prepared from the collected minor blocks corresponding to the under-drilling mine benches. Parametric study revealed that natural density, dry density, slake durability index, Schmidt hammer rebound, compression wave velocity, point load index, uniaxial compressive strength and modulus of elasticity exhibit an inverse relationship with VDR. Conversely, VDR was found to have a direct relationship with porosity, water content, Los Angeles abrasion, and Poisson ratio. Moreover, it was confirmed that VDR is more correlated with the rock mechanical properties rather than the rock physical features, considering the obtained mean coefficient of determination (COD) of 0.8948 vs. 0.9206. Besides, sensitivity analysis showed that modulus of elasticity and water content are the most and least effective variables on VDR with an influence value of 1.152 and 0.8865, respectively. Additionally, statistical analyses are conducted and optimum empirical quadratic, power, and exponential relations with high accuracy (COD values from 0.861 to 0.987) are proposed to determine the VDR based on each rock property. Finally, comparative analysis is conducted for further verification of the current study. Accordingly, the values of lower and upper limits of COD, and mean relative error are obtained 0.36, 0.9576, and 0.359 for previous researches vs. 0.861, 0.987, and 0.114% for this study. These results confirm the superiority of the current research compared to the similar previous studies.Keywords: Marble Quarry Mining, Parametric Study, Rock Properties, Statistical Analysis, Vertical Drilling Rate
-
اندازه گیری مستقیم مدول تغییرشکل پذیری توده سنگ با استفاده از آزمایش های برجا و آزمایشگاهی فرآیندی هزینه بر و زمان بر است. بنابراین، استفاده از روش های غیرمستقیم مانند الگوریتم های هوش مصنوعی برای تخمین این پارامتر می تواند جایگزینی مفید، سریع و مقرون به صرفه باشد. در این تحقیق، مدل سازی مدول تغییرشکل پذیری توده سنگ با استفاده از مدل های برنامه ریزی بیان ژن (GEP)، سیستم استنتاج فازی (FIS) و رگرسیون خطی چند متغیره (MLR) انجام گرفته است. داده های ورودی جهت تخمین مدول تغییرشکل پذیری شامل ارتفاع روباره، شاخص کیفیت توده سنگ، هوازدگی، مقاومت فشاری تک محوری، زاویه تمایل لایه بندی، ضریب سختی درزه و میزان پرشدگی درزه می باشد که در ساختگاه سد بختیاری جمع آوری گردیده است. پس از انجام مدل سازی، نتایج حاصل از سه مدل GEP، FIS و MLR با همدیگر، با داده های واقعی و با مدل های مشابه قبلی مقایسه شده است. مقدار شاخص های ارزیابی عملکرد ریشه میانگین مربعات خطا، میانگین خطای مطلق، واریانس حساب شده، ضریب بازدهی و ضریب تعیین به ترتیب برابر با 1.27،1.85، 0.9912، 0.9889 و 0.9869 برای مدل برنامه ریزی بیان ژن، 1.51، 2.05، 0.9876، 0.9823 و 0.9778 برای مدل فازی و 4.45، 4.97، 0.7641، 0.7569 و 0.7444 برای مدل آماری به دست آمد. نتایج فوق شان می دهد که دقت مدل های GEP و FIS بالاتر و خطای آنها کمتر از مدل MLR است. بر اساس ارزیابی نتایج مدل ها و مقایسه آن ها با مقادیر واقعی و نتایج مدل های مشابه قبلی، قابلیت بالای دو مدل GEP و FIS در پیش بینی مدول تغییرشکل پذیری و برتری نسبی آن ها نسبت به مطالعات قبلی اثبات گردید. با این حال، دقت GEP تا حدودی بالاتر از FIS بوده و نتایج آن تطابق نسبتا بهتری با مقادیر واقعی دارد. در نهایت، نتایج تحلیل اهمیت متغیر نشان داد که پارامترهای هوازدگی و ارتفاع روباره به ترتیب بیش ترین و کم ترین تاثیر را بر مدول تغییرشکل پذیری توده سنگ در این تحقیق دارند.کلید واژگان: مدول تغییرشکل پذیری توده سنگ، سد بختیاری، برنامه ریزی بیان ژن، سیستم استنتاج فازی، رگرسیون خطی چند متغیرهDirect measurement of the rock mass deformation modulus using in-situ and laboratory tests is a costly and time-consuming process. Therefore, the use of indirect methods such as artificial intelligence algorithms to estimate this parameter can be a useful, fast, and cost-effective alternative. In this study, the modeling of the rock mass deformation modulus was performed using Gene Expression Programming (GEP), Fuzzy Inference System (FIS), and Multiple Linear Regression (MLR) models. The input data for estimating the rock mass deformation modulus included overburden height, rock quality designation, weathering, uniaxial compressive strength, bedding inclination angle, joint roughness coefficient, and joint filling, which were collected at the Bakhtiari dam site. After modeling, the results from the three models (GEP, FIS, and MLR) were compared with each other, with real data, and with similar previous models. The performance evaluation indices, including root mean square error, mean absolute error, calculated variance, efficiency coefficient, and coefficient of determination, were 1.27, 1.85, 0.9912, 0.9889, and 0.9869 for the GEP model, 1.51, 2.05, 0.9876, 0.9823, and 0.9778 for the FIS model, and 4.45, 4.97, 0.7641, 0.7569, and 0.7444 for the MLR model, respectively. The results indicate that the accuracy of the GEP and FIS models is higher, and their error is lower than the MLR model. Based on the evaluation of the model results and their comparison with real values and the results of previous similar models, the high capability of the two models (GEP and FIS) and their relative superiority over previous studies in predicting the deformation modulus was confirmed. However, the accuracy of GEP is slightly higher than FIS, and its results match relatively better with real values. Finally, the results of the variable importance analysis showed that the weathering and overburden height parameters have the most and least influence on the rock mass deformation modulus in this study, respectively.Keywords: Rock Mass Deformation Modulus, Bakhtiari Dam, Gene Expression Programming, Fuzzy Inference System, Multiple Linear Regression
-
مقدمه
شاخص ارزش خالص فعلی یکی از مهم ترین پارامترهای اقتصادی برای ارزیابی پروژه های سرمایه گذاری معدنی است. با توجه به وجود عدم قطعیت در پارامترهای تاثیرگذار بر ارزش خالص فعلی در اکثر پروژه های معدنی، تخمین دقیق آن فرآیندی مشکل بوده و نیازمند استفاده از روش های مناسب است. در تحقیق حاضر، از سه مدل سیستم فازی، شبکه عصبی و رگرسیون چند متغیره آماری برای تعیین ارزش خالص فعلی در پروژه سرمایه گذاری معدن طلای زرشوران تکاب استفاده شده است. علاوه بر قیمت فلز، تاثیر هزینه ها و نرخ تنزیل هم در تعیین ارزش خالص فعلی به عنوان شاخصی برای ارزیابی پروژه معدن طلای زرشوران تکاب با استفاده از مدل های فوق الذکر در نظر گرفته شده است. یکی از مزایای تحقیق حاضر نسبت به تحقیقات مشابه قبلی، استفاده از دو الگوریتم هوشمند سیستم فازی و شبکه عصبی برای مدل سازی ارزش خالص فعلی با دقت بیشتر است. الگوریتم های فوق، روش هایی کارا در حل مسائل دارای ابهام و عدم قطعیت از جمله پروژه های سرمایه گذاری معدنی بوده و باعث کاهش ریسک های سرمایه گذاری می شوند. با در نظر گرفتن چالش های مدیریتی موجود در تصمیم گیری بر سر توجیه اقتصادی پروژه های مختلف و وجود محدودیت های زمان و منابع، استفاده از این مدل ها به روشن نمودن آینده اقتصادی یک پروژه سرمایه گذاری معدنی و تصمیم گیری نهایی کمک شایانی می کند.
مواد و روش هادر این تحقیق از سه مدل سیستم فازی، شبکه عصبی و رگرسیون چند متغیره آماری برای تعیین ارزش خالص فعلی و ارزیابی پارامترهای تاثیرگذار بر آن در پروژه سرمایه گذاری معدن طلای زرشوران تکاب استفاده و نتایج حاصله با همدیگر، با داده های واقعی و با مطالعات مشابه قبلی مقایسه شده است. قیمت طلا (عنصر اصلی)، قیمت نقره (عنصر همراه) و نرخ تنزیل به عنوان پارامترهای ورودی جهت ارزیابی ارزش خالص فعلی در نظر گرفته شده است. استفاده از منطق فازی در مدل سازی ارزش خالص فعلی که همواره با عدم قطعیت همراه است، می تواند به نتایج واقعی تری منجر شود. همچنین، استفاده از شبکه عصبی با توجه به قابلیت بالای آن در مواجهه با داده های مبهم و دارای نویز که به نوعی در ارزیابی پروژه های معدنی دخیل هستند، می تواند مثمرثر واقع شود.
نتایج و بحث:
با استفاده از روش سعی و خطا، توابع عضویت مثلثی و ذوزنقه ای، موتور استنتاج ممدانی و تابع غیرفازی ساز مرکز ثقل به عنوان پارامتراهای بهینه در مدل فازی پیشنهادی انتخاب شد. همچنین، شبکه عصبی با تابع آموزش پس انتشار خطا از نوع لونبرگ-مارک کواردت، تابع انتقال لگاریتم سیگموئید با ساختار 3-5-10-1 و متوسط جذر مربعات خطای 0032/0 به عنوان شبکه بهینه انتخاب گردید. به علاوه، یک رابطه آماری چند متغیره خطی برای پیش بینی ارزش خالص فعی ارائه شد. براساس شاخص های ارزیابی عملکرد ضریب تصمیم گیری، خطای مطلق و خطای نسبی، نتایج حاصل از مدل های پیشنهادی با همدیگر و همچنین با داده های واقعی و مطالعات مشابه قبلی مقایسه گردید. مقایسه فوق نشان داد که عملکرد دو مدل فازی و عصبی در پیش بینی ارزش خالص فعلی قابل قبول بوده و در مقایسه با مدل آماری تطابق بسیار بهتری با داده های واقعی دارند. با این حال، عملکرد سیستم فازی تا حدودی بهتر از شبکه عصبی پیشنهادی در این تحقیق و مطالعات قبلی بوده و نتایج حاصل از آن تطابق نسبتا بهتری با داده های واقعی دارد. در نهایت، آنالیز حساسیت نتایج حاصل از مدل فازی با استفاده از روش میدان کسینوسی انجام شد (با توجه به دقت بیشتر آن). نتایج حاصله نشان داد که قیمت طلا دارای بیشترین تاثیر و نرخ تنزیل دارای کمترین تاثیر بر ارزش خالص فعلی است.
نتیجه گیریدر این تحقیق، کاربرد موفقیت آمیز دو مدل هوشمند مبتنی بر منطق فازی و شبکه عصبی در پیش بینی ارزش خالص فعلی در پروژه سرمایه گذاری معدنی طلای زرشوران ارائه گردید. همچنین، یک معادله رگرسیون چند متغیره خطی با عملکرد نسبتا قابل قبول برای تخمین ارزش خالص فعلی پیشنهاد شد. ارزیابی نتایج حاصل از مدل های پیشنهادی نشان داد که عملکرد مدل فازی در تخمین ارزش خالص فعلی پروژه های معدنی تا حدودی بهتر از مدل شبکه عصبی پیشنهادی در این تحقیق و مطالعات قبلی بوده و عملکرد هر دو مدل بهتر از مدل آماری است. براساس نتایج آنالیز حساسیت مدل فازی (دقیق ترین مدل پیشنهادی)، اثبات گردید که قیمت طلا و نرخ تنزیل به ترتیب بیشترین و کمترین تاثیر را بر ارزش خالص فعلی دارند. با توجه به نتایج فوق، می توان نتیجه گرفت که از تکنیک های هوشمند پیشنهادی در این تحقیق (به ویژه مدل فازی) می توان با قابلیت اطمینان خوبی در ارزیابی پروژه های سرمایه گذاری معدنی به منظور پوشش عدم قطعیت و کاهش ریسک سرمایه گذاری استفاده نمود.
کلید واژگان: آنالیز حساسیت، ارزش خالص فعلی، رگرسیون چند متغیره، سیستم فازی، شبکه عصبیIntroductionNet present value (NPV) index is one of the most important economic parameters in evaluating the mining investment projects. Considering the inherent uncertainty in effective parameters on the NPV in most of the mining projects, its precise estimation is a difficult process and application of the suitable methods is required. In this paper, fuzzy system, neural network and multivariate regression models are used for NPV determination in the Zarshuran gold mine project. In spite of the metal value, the effects of costs and discount rate on the NPV are also considered as an index for evaluation the Zarshuran gold mine project of Takab using the above models. One of the advantages of this research compared to the previous similar studies is the utilization of two new intelligent algorithms i.e., fuzzy system and neural network for modeling the NPV index with higher accuracy. These algorithms are efficient tools to solve the problems having ambiguity and uncertainty such as the mining investment projects and reduce the investment risks. Considering the management challenges in deciding on the economic justification of various projects and the existence of time and resource limitations, the use of these models helps clarify the economic future of a mineral investment project and make the final decision.
Materials and MethodsIn this study, three new models including fuzzy system, neural network and statistical multivariate regression were used to determine the NPV and evaluate the effective parameters on this index in the Zarshuran gold mine investment project of Takab. The obtained results of the above models were compared with each other, with the real data, and with the similar previous studies. Gold price (main element), silver price (byproduct element) and discount rate were considered as input parameters for evaluating the NPV. Application of the fuzzy logic in NPV modeling, which is always accompanied by uncertainty, can lead to more realistic results. Also, the utilization of neural network can be effective due to its high capability in dealing with vague and noisy data that are somehow involved in the evaluation of mining projects.
Results and DiscussionUsing the trial and error method, triangular and trapezoidal membership functions, Mamdani inference motor and center of gravity decentralization function were determined as the optimum parameters of the proposed fuzzy model. Also, a neural network with training function of Levenberg-Marquardt back-propagation type, transfer function of sigmoid logarithm kind, 3-5-10-1 structure and root mean square error of 0.0032 was found as an optimum network. Moreover, a statistical multivariate linear relation was proposed to predict the NPV. According to the performance evaluation indices including determination coefficient, absolute error and relative error, results of the proposed models were compared with each other, with the actual data, and with the previous similar investigations. The above comparison proved that the performance of both fuzzy and neural models in predicting the NPV is acceptable and they have a much better agreement with real data in comparison with the statistical model. However, the performance of fuzzy model is somewhat better than the proposed neural network models in this research and previous studies and its results are more consistent with the actual data. Finally, the sensitivity analysis of the fuzzy model results (due to its greater accuracy) are conducted using the cosine amplitude method (CAM). Accordingly, it was confirmed that the gold price has the highest effect and the discount rate has the least effect on the NPV index.
ConclusionThe present study proved the successful application of two new intelligent-based models including fuzzy logic and neural network algorithms to predict the NPV in the Zarshuran gold mine investment project. Also, a linear multivariate regression relation proposed to forecast the NPV index with a relative acceptable performance. Evaluation the results of proposed models showed that the fuzzy model performance was somewhat better than the proposed neural network models in this study and previous studies and both were much higher than the statistical model in predicting mining projects NPV. Based on the sensitivity analysis of the fuzzy model results (the most accurate proposed model), it was proved that the gold price and discount rate have the highest and lowest effects on the NPV, respectively. Considering the above results, it can be concluded that the proposed intelligent techniques in this research (especially the fuzzy model) can be used with good reliability in the evaluation of mining investment projects in order to cover their involved uncertainty and reduce the investment risk.
Keywords: Sensitivity Analysis, Net Present Value, Multivariate Regression, Fuzzy System, Neural Network -
در این تحقیق، 13 معدن سنگ لاشه مختلف در استان کردستان به عنوان مطالعه موردی جهت پایش پایداری ژیوتکنیکی در نظر گرفته شده است. بدین منظور، ابتدا بازدید های صحرایی از این معادن انجام و خصوصیات سنگ شناسی، ساختاری و هندسی پله این معادن برداشت و نمونه های بلوکی معرف جهت انجام مطالعات آزمایشگاهی جمع آوری گردید. سپس، عملیات مغزه گیری بر روی بلوک های فوق الذکر انجام و نمونه های استوانه ای استاندارد برای آزمایش های مقاومت فشاری تک محوره و بارنقطه ای و تهیه داده های ورودی به منظور تحلیل پایداری شیب تهیه شد. در نهایت، خصوصیات هندسی، مرزی و ژیومکانیکی این معادن با استفاده از نرم افزار AutoCAD ترسیم و شرایط واقعی و خصوصیات لایه های موجود در نرم افزار Slide شبیه سازی و تحلیل پایداری شیب انجام گردید. بر اساس نتایج مدل سازی عددی، مقدار ضریب ایمنی پله معدن بغده کندی سقز برابر با 784/0 بدست آمد که نشان دهنده شرایط ناپایدار و غیر ایمن معدن بوده و نیاز به کاهش و اصلاح شیب و یا اصلاح الگوی انفجار آن دارد. همچنین با توجه به مقادیر ضریب ایمنی به دست آمده برای شیب پله معادن هلوژان، خشکین، سرنجیانه علیا 2، باباریز 3، باباریز 4، سمان، کانی پهن و عباس آباد، می توان نتیجه گرفت که شیب آنها پایدار بوده و احتمال شکست و ریزش پله این معادن در کوتاه مدت ضعیف است. در نهایت، ضرایب ایمنی بدست آمده نشان داد که پله معادن ذکریان، بیلوآرندان، دره باغ و عسکران در شرایط فعلی پایدار می باشد اما ممکن است در آینده ای نزدیک وارد فاز شکست و ریزش شده و لذا نیازمند پایش دوره ای منظم و کنترل جابجایی های احتمالی جهت تضمین ایمنی پله هستند.
کلید واژگان: معدن سنگ لاشه، پایداری ژئوتکنیکی، نرم افزار Slide، تحلیل پایداری شیب، ضریب ایمنیIn this research, 13 different quarry rubble mines in Kurdistan province are selected as the case study for geotechnical stability monitoring. For this purpose, felid surveys are done and lithological, structural and geometrical properties of mines bench evaluated and recorded. Also, representative block samples are collected form working face of these mines to perform the experimental studies. Then, coring operation is performed over the above-mentioned blocks and cylindrical cores are provided for conducting the unconfined compressive strength and point load testes and preparing input data for slope stability analysis. Finally, the geometrical characteristics, boundary conditions and geo-mechanical properties of mines are designed using AutoCAD software. Then, the actual conditions of the available layers are simulated using Slide software and slope stability analyses are conducted. According to the numerical modeling results, the safety factor of Boghdeh Kkandi mine bench is obtained equal to 0.784. This proved that its bench is unstable and unsafe and slope decreasing and modification of the mine blasting pattern are required immediately. Also, the benches of Halozhan, Khoshkin, Sernjyaneh Olya 2, Babariz 3, Babariz 4, Sman, Kani Pahn and Abbas Abad are stable and the probability of their benches failure and collapse is low in the short term condition. At last, the benches of Zekkryan, Darrebagh, Bilo Arandan and Askaran mines are stable in the current state but they may reach the failure/collapse phase in the near future. Therefore, these mines will need the periodical regular monitoring and control the occurred deformations to ensure the required safety.
Keywords: Quarry rubble mine, Geotechnical monitoring, Slide software, Slope stability analysis, Safety factor -
Resource estimation and determining the grade distribution is one of the most important stages in planning and designing the open-pit and underground mines. In this work, a new mythology is used for resource estimation of the Angouran underground mine based on the optimized integration of the indicator kriging (IK), simple kriging (SK), and inverse distance weighted (IDW) methods. For this purpose, waste blocks are first removed from the block model using the IK method. Then the amount of mineral resource is estimated using the SK and IDW methods. Indeed, variograms are developed to estimate the grade of zinc minerals in the three used methods. Variograms analysis in three directions prove that the studied resource is anisotropic. Also the validation results confirm that the correlation coefficients between the measured and estimated zinc values by the SK and IDW methods equal to 0.76 and 0.75, respectively. Knowing this satisfactory result, a 3D model of the resource is prepared using the IK method, in which the ore and waste sections of the Angouran underground mine are separated definitely. According to the above methodology, the calculated resource of the Angouran underground mine using the SK method is achieved 1373962.5 tons with an average grade of 30.11%, whereas the estimated amount of this resource is attained 1349325 tons with an average grade of 31.88% using the IDW approach. The verification results show that the suggested methodology based on the optimized integration of the IK, SK, and IDW methods can be successfully applied for resource modeling and grade estimating of the Angouran underground mine.
Keywords: Angouran underground mine, Resource Estimation, Indicator kriging, Simple Kriging, Inverse distance weighted -
Rock drilling is one of the most important processes in the mining operations, which involves high costs. Deep knowledge of the drilling conditions and rock mass properties can help the optimum selection of drilling system, precise determination of type and number of drilling equipment, and accurate prediction of drilling rate. The above process leads to enhance the drilling efficiency and mining productivity. In this work, relationships between the rock the physico-mechanical properties and horizontal drilling rate (HDR) are investigated. For this purpose, HDR is firstly measured during the drilling process at the Malawi marble quarry mine, Islamabad-e-Gharb, Iran. Then core samples are prepared from the representative minor rock blocks to conduct the laboratory tests and evaluate the influence of rock properties on HDR. The experimental results prove that natural density (ρn), dry density (ρd), slake durability index (Id), Schmidt hammer rebound (SHR), compression wave velocity (Vp), point load index (PLI), uniaxial compressive strength (UCS), and modulus of elasticity (E) have inverse relationships with HDR. Conversely, HDR has a direct relationship with porosity (n), water content (Wa), Los Angeles abrasion (LAA), and Poisson ratio (ν). Generally, it is proved that HDR is more associated with the rock's physical properties than the mechanical characteristics. Moreover, sensitivity analysis confirm that n and ρd are the most and least effective variables on HDR. Furthermore, new optimum empirical equations with acceptable accuracy are proposed to predict HDR based on the statistical modeling. Finally, experimental verification analysis confirm the superiority of this study compared to the prior similar studies.
Keywords: Marble quarry mine, Horizontal drilling rate, Physical Properties, Mechanical Properties, Statistical modeling -
International Journal of Mining & Geo-Engineering, Volume:55 Issue: 1, Winter-Spring 2021, PP 63 -70Thorough knowledge of physicomechanical properties of rocks is crucial during the primary and secondary stages of designing a rock engineering project. Laboratory examination of these properties requires high-quality rock specimens. However, preparing such high accuracy samples is a difficult, expensive, and time-consuming task, especially in weak and fractured rocks. Hence, indirect approaches seem an attractive research area for determining these properties. The main object of this study is to develop some empirical relations to determine different physical and mechanical properties of sedimentary and metamorphic rocks based on the shear wave velocity index. To do that, several schist, phyllite, and sandstone core samples were collected from the drilled boreholes in the Marivan Azad dam in western Iran. Then, the shear wave velocity and some physical and mechanical properties of rocks were measured in dry and saturated conditions. Subsequently, statistical analyses were conducted to develop shear wave velocity-based equations to determine different rock properties, including uniaxial compressive strength, modulus of elasticity, porosity, Poisson’s ratio, slake durability index, density, and water absorption. An equation with the maximum correlation coefficient was proposed as the optimum equation to determine each of the above rock properties. Finally, the results of the proposed empirical equations were compared with those of laboratory measurements. This comparison proved the proposed equations to have high accuracy for determining the physicomechanical properties of rocks and can be used in practical projects with similar geological conditions to save time and money.Keywords: Shear wave velocity, Rock Properties, Statistical analysis, Empirical equation, Azad dam
-
در این تحقیق تاثیر چرخه های مختلف انجماد-ذوب بر سرعت امواج فشاری و چگالی سنگ شیست بررسی شده است. بدین منظور، ابتدا 13 عدد گمانه در معدن انگوران حفاری و تعداد 25 نمونه استوانه ای آماده سازی گردید. سپس، نمونه ها در آزمایشگاه با استفاده از فرآیند انجماد-ذوب هوازده و پارامترهای سرعت امواج فشاری و چگالی خشک نمونه ها در چرخه های 0، 7، 15، 40 و 75 اندازه گیری گردید. تحلیل نتایج نشان دهنده کاهش نمایی سرعت امواج فشاری (50% کاهش) و چگالی خشک (20% کاهش) به ازای افزایش تعداد چرخه های انجماد-ذوب می باشد. همچنین، سرعت امواج فشاری با افزایش چگالی خشک به صورت نمایی افزایش می یابد. با برازش نتایج حاصله، دو رابطه تجربی مجزا جهت محاسبه سرعت موج فشاری و چگالی خشک در سنگ شیست به ازای چرخه های مختلف انجماد-ذوب و یک رابطه هم بین سرعت موج فشاری و چگالی خشک ارایه شده است. بعلاوه، بافت نمونه ها هم در حالت بکر و هم پس از اعمال 75 چرخه انجماد-ذوب به وسیله میکروسکوپ الکترونیکی مورد مطالعه قرار گرفته است. نتایج حاصله نشان دهنده متراکم بودن بافت نمونه ها قبل از هوازدگی و افزایش فاصله بین ناپیوستگی ها بعد از هوازدگی می باشد. در نهایت، نتایج اعتبارسنجی نشان داد که همخوانی خوبی بین خروجی حاصل از تحقیق حاضر و مطالعات قبلی وجود دارد.
کلید واژگان: معدن انگوران، شیست، چرخه انجماد-ذوب، سرعت موج فشاری، چگالی خشکThe effects of freezing-thawing cycles on the compressional wave velocities and dry density of schist rock have been investigated in this research. For this purpose, 13 boreholes were drilled in the Angouran mine and 25 cylindrical specimens were prepared. Then, the samples were weathered in the laboratory by freezing-thawing process and the compressional wave velocity and dry density of samples were measured in freeze-thaw cycles of 0, 7, 15, 40 and 75. The results analysis indicates an exponentially decrease in the compressional wave velocities (50% reduction) and dry density (30% reduction) with increasing the number of freeze-thaw cycles. Also, wave velocities exponentially increased with increasing the dry density. By fitting the concluded results, two empirical equations to calculate the compressional wave velocity and dry density in schist rock for different numbers of freeze-thaw cycles and also an equation between compressional wave velocity and dry density have been presented. In addition, the texture of samples was studied in intact situation and after 75 cycles of freezing-thawing by an electronic microscope. The obtained results indicated that the samples texture is condensed before weathering, whereas the discontinuities spacing is increased after weathering. Finally, verification results proved that there is a good conformity between the outputs of current study and other investigations.
Keywords: Durability, Freeze, thaw process, Angouran mine, Dry density -
چرخه های انجماد-ذوب یک هوازدگی طبیعی جدی برای پروژه های مهندسی سنگ و سازه های ساخته شده بر روی سنگ ها در مناطق کوهستانی می باشد. لذا ارزیابی کاهش پارامترهای ژیومکانیکی سنگ در اثر چرخه های انجماد-ذوب در این مناطق بسیار حیاتی است. در این تحقیق سرعت موج برشی و چگالی خشک نمونه های سنگ شیست بکر و هوازده (چرخه های انجماد-ذوب 7، 15، 40 و 75) دیواره معدن انگوران اندازه گیری شده است. در هر چرخه هوازدگی 5 نمونه مورد آزمایش قرارگرفته و محاسبات بر مبنای میانگین آن ها صورت گرفته است. نتایج نشان می دهد که با افزایش تعداد چرخه های هوازدگی، مقدار سرعت موج برشی و چگالی خشک نمونه ها به صورت نمایی کاهش می یابد بطوریکه چرخه های اولیه انجماد-ذوب تاثیر کمتری بر روی خواص سنگ داشته است. با برازش نتایج، روابطی تجربی جهت محاسبه سرعت موج برشی و چگالی خشک سنگ شیست به ازای چرخه های مختلف انجماد-ذوب در این تحقیق استخراج و پیشنهاد شده است. همچنین، بافت نمونه ها در حالت بکر و پس از 75 چرخه انجماد-ذوب به وسیله میکروسکوپ الکترونیکی مورد مطالعه قرار گرفت. نتایج مطالعه میکروسکوپی نشان دهنده متراکم بودن بافت نمونه ها در حالت بکر می باشد. همچنین پس از اعمال 75 چرخه انجماد-ذوب، فاصله بین ناپیوستگی ها افزایش یافته و ترک های جدیدی در بدنه نمونه ها ایجاد شده است.کلید واژگان: معدن انگوران، سنگ شیست، چگالی خشک، سرعت موج برشی، فرآیند انجماد-ذوبFreezing-melting cycles are a serious natural weathering for rock engineering projects and constructed structures on the rocks in mountainous regions. So evaluation of the rock geo mechanical parameters reduction due to freezing-thawing cycles is very crucial in these areas. In this study, shear wave velocity and dry density of intact and weathered schist samples (under freezing-thawing cycles of 7, 15, 25, 40 and 75) of the Angouran mine wall were measured. For each weathering cycle, 5 samples have been tested and calculations were made based on their average values. Results showed that by increasing the number of weathering cycles, the shear wave velocity and dry density values of samples are exponentially decreased while the initial cycles of freezing-thawing have the less effect on rock properties. By analyzing the obtained results, an experimental equation was extracted and proposed to calculate shear wave velocity and dry density in schist against the different cycles of freezing-thawing. Also, the texture of samples in intact status and after 75 cycles of freezing-thawing was studied by an electronic microscope. The results of microscopic study indicate that the texture of intact samples is denser than those of the weathered status. Also, after applying 75 cycles of freezing-thawing, the spacing between discontinuities has been increased and new cracks created in the samples body.Keywords: Angouran mine, Schist rock, Dry density, Shear wave velocity, Freezing-thawing process
-
Bedrock unconfined compressive strength (UCS) is a key parameter in designing thegeosciences and building related projects comprising both the underground and surface rock structures. Determination of rock UCS using standard laboratory tests is a complicated, expensive, and time-consuming process, which requires fresh core specimens. However, preparing fresh cores is not always possible, especially during the drilling operation in cracked, fractured, and weak rocks. Therefore, some attempts have recently been made to develop the indirect methods, i.e. intelligent predictive models for rock UCS estimation, which require no core preparation and laboratory equipment. This work focuses on the application of new combinations of intelligent techniques including adoptive neuro-fuzzy inference system (ANFIS), genetic algorithm (GA), and particle swarm optimization (PSO) in order to predict rock UCS. These models were constructed based on the collected laboratory datasets upon 93 core specimens ranging from weak to very strong rock types. The proposed hybrid model results were compared with each other, and the real data and multiple regression (MR) results. These comparisons were made using coefficient of correlation, mean of square error, mean of absolute error, and variance account for indices. The comparison results proved that the ANFIS-GA combination had a relatively higher accuracy than the ANFIS-PSO combination, and both had a higher capability than the MR model. Furthermore, the ANFIS-GA and ANFIS-PSO model results were completely in accordance with the UCS laboratory test, and they were more accurate than the previous single/hybrid intelligent models. Lastly, a parametric study of the suggested models showed that the density and Schmidt hammer rebound had the highest influence, and porosity had the lowest influence on the output (UCS).
Keywords: Intact rock, Unconfined compressive strength, Adaptive Neuro-Fuzzy Inference System, Genetic Algorithm, Particle Swarm Optimization -
هوازدگی سنگ در مناطق کوهستانی دوام و مقاومت آن را در طول زمان تحت تاثیر قرار می دهد. ارزیابی دوام و استحکام سنگ ها در اثر سیکل های انجماد-ذوب فاکتور اساسی برای تحلیل پایداری سنگ های بستر پروژه های مهندسی از قبیل تونل، معدن و... می باشد. در این مطالعه تاثیر سیکل های انجماد-ذوب بر روی شاخص دوام سیکل های دوم و پنجم، چگالی خشک و حجم سنگ شیست ارزیابی شده است. بدین منظور، 13 گمانه در دیواره غربی معدن انگوران حفر و نمونه های مورد نیاز تهیه و آماده سازی شده است. در کل، 75 سیکل انجماد-ذوب روی نمونه ها اعمال و در سیکل های 0، 7، 15، 40 و 75، آزمایش های آزمایشگاهی از قبیل شاخص دوام سیکل های دوم و پنجم، چگالی خشک و اندازه گیری حجم نمونه ها انجام شده است. بر این اساس، روابطی تجربی جهت محاسبه شاخص دوام و چگالی خشک نمونه ها به ازای سیکل-های انجماد-ذوب مختلف ارائه شده است. نتایج حاصله نشان دهنده کاهش نمایی شاخص دوام سیکل های دوم و پنجم و چگالی خشک می-باشد. همچنین، حجم نمونه ها با افزایش تعداد سیکل های انجماد-ذوب، افزایش یافته است. بعلاوه، مشخصات کانی شناسی سنگ شیست هم با استفاده از میکروسکوپ پلاریزان و آنالیز XRD مورد مطالعه قرار گرفته است. نتایج این مطالعه نشان داد که کانی های اصلی تشکیل دهنده سنگ شیست شامل کوارتز، کلسیت، بیوتیت و کلریت می باشد. در نهایت، جهت اعتبارسنجی نتایج بدست آمده و بررسی دقیق بافت نمونه ها، سنگ شیست در حالت بکر و پس از اعمال 75 سیکل انجماد-ذوب با استفاده از میکروسکوپ الکترونیکی مطالعه گردید. نتایج نشاندهنده متراکم بودن بافت نمونه ها قبل از هوازدگی بوده که در آن فاصله بین سطوح شیستوزیته خیلی کم می باشد. با این حال، پس از اعمال 75 سیکل انجماد-ذوب، فاصله بین ناپیوستگی ها افزایش یافته و ترک های جدیدی در راستای عمود بر محور طولی نمونه ها ایجاد شده است.
کلید واژگان: معدن انگوران، شیست، فرآیند انجماد-ذوب، دوام، چگالی خشکRock weathering affects its durability and strength in mountainous areas during the time. Evaluating durability and strength variations of rocks under freezing and thawing (F-T) cycles is a key factor for stability analysis of bedrocks in engineering projects such as tunnel, mine and etc. In this study, the influence of F-T cycles on second durability index, fifth durability index, dry density and schist rock volume has been evaluated. For this purpose, 13 boreholes have been drilled in western wall of Angouran mine and required samples have been prepared. In overall, 75 F-T cycles have been conducted upon the samples and laboratory tests including durability index of second and fifth cycles, dry density and measurement of samples volume have been carried out in 0, 7, 15, 40 and 75 cycles of F-T. On this basis, new equations presented and suggested to calculate durability index and dry density of samples in different F-T cycles. The obtained results showed that durability index of second and fifth cycles and dry density both decreased exponentially. Also, volume of samples has been increased by increasing the number of F-T cycles. In addition, mineralogical characteristics of schist rock have been studied by optical microscope and XRD analysis. Results of these analyses showed that Chlorite, Biotite, Calcite and Quartz are main constructive minerals of the schist rock. Finally, intact and weathered schist samples (after 75 cycles of F-T) are studied by an electronic microscope to validate the results and evaluate the effect of weathering on the microstructure of specimen’s texture. Obtained results indicated that the texture of samples was dense before weathering in which spacing of the schistosity beddings was very low. However, after 75 cycles of F-T, the discontinuity spacing was increased and new cracks were created in the body of samples perpendicular to the longitudinal axis.
Keywords: Angouran mine, Schist, Freezing-thawing process, Durability index, Dry density -
طبقه بندی توده سنگ یکی از معیارهای مهم و کاربردی در طراحی حفریات زیرزمینی و تخمین سیستم های نگهداری مربوطه است. دو سیستم Q و RMR از کاربردی ترین سیستم های طبقه بندی توده سنگ هستند که برای تعیین دقیق مقدار عددی آنها، بررسی های زمین شناسی و مطالعات مکانیک سنگی مختلف لازم می باشد. با توجه به اهمیت این دو سیستم طبقه بندی، پرهزینه و زمان بر بودن جمع آوری داده های لازم به منظور تعیین پارامترهای مورد نیاز برای محاسبه آنها، توسعه روابط تجربی معتبر بین دو سیستم مذکور ضروری است. در این تحقیق ابتدا بر اساس تحلیل آماری داده های اندازه گیری شده در تونل آب بر سد آزاد مریوان، روابط تجربی مختلفی به صورت خطی، چند جمله ای، نمایی، لگاریتمی و توانی بین دو سیستم Q و RMR ارائه شده است. سپس بر اساس شاخص ضریب تصمیم گیری، سطح معنی داری و آزمون فیشر (F) در تحلیل واریانس (ANOVA)، رابطه لگاریتمی به عنوان رابطه معتبر پیشنهاد شده است. رابطه پیشنهادی مشابه با رابطه بینیاوسکی می باشد با این تفاوت که در ضرایب آن اصلاحاتی به منظور محلی سازی رابطه و به دست آوردن نتایج بهتر انجام گرفته است. در نهایت، اعتبارسنجی نتایج حاصله با استفاده از شاخص های آماری نشان داد که دقت رابطه پیشنهادی در این تحقیق بالاتر از روابط قبلی بوده و تطابق آن با داده های واقعی بیشتر می باشد.کلید واژگان: سد آزاد، طبقه بندی توده سنگ، تحلیل آماری، رابطه تجربیRock mass classification is one of the most important and practical criteria in designing of underground excavations and estimating the related support systems. RMR and Q classifications are the most utilized rock mass classification systems in which different geological surveys and rock mechanics studies have been required for precise determination of their numeric values. Considering the significance of these two classification systems, costly and time-consuming process of data collection in order to determine the required parameters to calculate these systems, development of valid relations between the above classification systems is essential. In this research, different empirical relations in the forms of linear, polynomial, exponential, logarithmic and power equations between the RMR and Q classification systems are firstly developed based on the measured data in the several parts of the Marivan Azad dam tailrace. Then, the logarithmic relation is proposed as the most precision and reliable empirical relation between the above classification systems based on the determination coefficient criterion, significance level and F-test in the ANOVA. Proposed relation is similar to the Bieniawski equation but some modifications have been made in its coefficients for localization and obtaining the better results. Finally, results verification using the evaluation performance indices showed that estimation accuracy of the proposed relation and its conformity with the measured values are better than those of the previous relations and has the higher conformity with the measured data.Keywords: Azad dam, Rock mass classification, Statistical analysis, Empirical relation
-
با افزایش نیاز به طراحی و ساخت بناهای سطحی نظیر سدها، پل ها و دیگر سازه های سنگی و بتنی، تعیین ظرفیت باربری نهایی شالوده از اهمیت قابل توجهی برای مهندسین معدن، مکانیک سنگ و ژئوتکنیک برخوردار است. با توجه به اینکه که بستر اکثر سازه های سطحی را توده های سنگ تشکیل می دهد لذا طراحی موفق یک شالوده به تخمین دقیق ظرفیت باربری توده سنگ زیر آن وابسته است. بر همین اساس، تعیین ظرفیت باربری نهایی توده سنگ با استفاده از روش های برجا، تحلیلی، عددی و تجربی توسط پژوهشگران مختلف مورد مطالعه قرار گرفته است. هدف از تحقیق حاضر، انتخاب دقیق ترین روش از بین روش های موجود برای تعیین ظرفیت باربری نهایی توده سنگ است. بر اساس داده های واقعی گردآوری شده از منابع معتبر، ظرفیت باربری نهایی در هر کدام از روش های موجود محاسبه و نتایج حاصله با همدیگر مقایسه شده است. مقایسه و اعتبارسنجی روش های موجود با استفاده از شاخص های ارزیابی عملکرد شامل ضریب همبستگی، ضریب تصمیم گیری، جذر میانگین مربعات خطا و میانگین خطای مطلق صورت گرفته است. بر اساس نتایج حاصل از این مقایسه، اولویت بندی روش های موجود بر مبنای کم ترین خطا و بیش ترین تطابق با مقادیر واقعی انجام و مناسب ترین روش ها برای تعیین ظرفیت باربری نهایی توده سنگ پیشنهاد شده است. از مهم ترین مزایای این پژوهش می توان به اعتبار سنجی روش های تخمین ظرفیت باربری نهایی توده سنگ و تعیین دقیق ترین روابط اشاره کرد که بر اساس شرایط حاکم بر مسئله در اختیار طراحان قرار گرفته و باعث صرفه جویی در هزینه و زمان می شود.کلید واژگان: توده سنگ، شالوده، ظرفیت باربری نهایی، تحلیل مقایسه ایJournal of Aalytical and Numerical Methods in Mining Engineering, Volume:9 Issue: 18, 2019, PP 49 -59SummaryIn this research, the capability of the available methods to estimate the ultimate bearing capacity of rock mass is evaluated based on the statistical performance evaluation indices and measured collected data from the reliable literatures. Accordingly, the most appropriate methods are determined based on the minimum error and maximum conformity with the measured values and proposed to practically estimation of the ultimate bearing capacity of rock mass in engineering projects. Research findings can be successfully utilized by designers according to the governing conditions on the problem that help to save the cost and time in the understudied projects.IntroductionAlthough design of foundations resting on rock masses is usually controlled by the settlement criterion, the bearing capacity of rock mass must be estimated to evaluate the stability. Therefore, in order to provide an efficient design of a foundation, it is crucial to estimate the bearing capacity of rock mass beneath it. There are four most usually used methods to estimate the bearing capacity of rock mass including codes, analytical, empirical and in-situ methods. Each of these approaches has some shortages in determining the ultimate bearing capacity. Thus, determination of the precise method to determine the bearing capacity is required in order to successfully implementation of the related projects.Methodology and ApproachesStatistical performance evaluation indices were used to compare and verify the available methods for determining the ultimate bearing capacity of rock masses. These indices are correlation coefficient (R), determination coefficient (R2), root mean square error (RMSE) and mean absolute error (MAE). For this purpose, the sufficient in-situ datasets were firstly collected from the literatures. Then, the above indices are computed for nine available methods. Finally, prioritization of the available methods were performed according to the calculated indices and obtained related graphs.Resultsand ConclusionsThe main results and conclusions of this research can be summarized as follows:1- According to the R and R2 indices, the most precise methods are LGP1, Goodman2 and LGP2.
2- Based on the RMSE index, the most precise methods are LGP1, LGP2 and Bowles.
3- On the basis of the MAE index, the most precise methods are LGP1, LGP2 and Bowles.
4- The research results can be utilized for engineering applications and also for future researches to overcome the existing shortcoming of the available methods.Keywords: Rock mass, Foundation, Ultimate bearing capacity, Comparative analysis -
در این تحقیق از نرم افزار Delpat برای شبیه سازی و بهینه سازی الگوی چالزنی و انفجار در معدن سنگ لاشه بغده کندی سقز استفاده شده است. بدین منظور، ابتدا اطلاعات لازم گردآوری و پارامترهای ژئومکانیکی مورد نیاز برآورد گردید. سپس بر اساس نرم افزار فوق، شبیه سازی الگوی انفجار برای قطر چال های مختلف انجام شد. با مقایسه هزینه های الگوی چالزنی و انفجار بر اساس قطر چال های مختلف، مشخص گردید که با افزایش قطر چال، هزینه ها کاهش می یابد. با این حال، استفاده از قطر چال بالا باعث افزایش حجم مواد منفحره مصرفی و درنتیجه لرزش زمین و پرتاب سنگ و آسیب رساندن به تجهیزات و ساختمان های اطراف خواهد شد. بر اساس نتایج مدل سازی، استفاده از چال با قطر 102 میلی متر باعث کاهش هزینه کلی قابل توجه (0/08 دلار بر متر معکب) نسبت به چال با قطر 76 میلی متر مورد استفاده در معدن شده و لذا به-عنوان قطر چال بهینه برای معدن مذکور در نظر گرفته شد. دیگر پارامترهای الگوی چالزنی و انفجار هم بر اساس این قطر چال برآورد و برای استفاده عملی در معدن پیشنهاد شد. اجرای عملی انفجار بر اساس الگوی پیشنهادی باعث بهبود خردایش سنگ و کاهش هزینه ها و اثرات سوء ناشی از انفجار نسبت به الگوی قبلی گردید.کلید واژگان: معدن سنگ لاشه بغده کندی، الگوی چالزنی و انفجار، خردایش سنگ، نرم افزار DelpatIn most surface mines, the convention empirical methods are used to design the blasting pattern that leads to the undesirable results and increasing the production costs. In this research, the Delpat software package was utilized to simulate and optimize the blasting pattern of Boghde-Kandi quarry rubble mine. For this purpose, mine information was firstly collected and essential rock geomechanical parameters were measured. Then using the above-mentioned software, simulation of blasting pattern was conducted for hole diameters i.e., 76, 89, 102 and 115 mm. Comparison of the costs related to selection of each of the above hole diameters showed that overall costs were decreased by increasing in hole diameter. However, higher hole diameter required the greater volume of explosives which causes further ground vibration and flyrock. By utilizing the greater hole diameters, official buildings and; crushing and grading equipment sites will be located in the flyrock and ground vibration area and may be damaged. On the other hand, applying the hole diameter of 102 mm leads to the considerable cost decreasing (0.08 $/m3) compared to the 76 mm hole diameter that currently is used in mine. Therefore, hole diameter of 102 mm was proposed as an optimum one. According to this hole diameter, other parameters related to drilling and blasting pattern were calculated and proposed to perform in practice. Practical implementation of the blasting operation based on the suggested pattern leads to improve fragmentation and minimizing costs and side effects compared to the previous pattern.Keywords: Quarry rubble mine, Drilling, blasting pattern, Rock fragmentation, Delpat software
-
Estimation of the height of caved and fractured zones above a longwall panel along with the stability conditions of the goaf area are very crucial to determine the abutment stresses, ground subsidence, and face support as well as designing the surrounding gates and intervening pillars. In this work, the height of caving-fracturing zone above the mined panel is considered as the height of destressed zone (HDZ). The long-term estimation of this height plays a key role in the accurate determination of maximum ground surface subsidence and the amount of transferred loads towards the neighbouring solid sections. This paper presents a new stability analysis model of caved material system in the goaf area. For this aim, a theoretical energy-based model of HDZ determination in long-term condition is developed. Then the stability condition of the caved material system is investigated using the principle of minimum potential energy. On the basis of the actual data gathered from the literature, the unstable time period of the caved material system is also calculated. Moreover, the effects of time- and temperature-related parameters and constant coefficients as well as their inherent relations with HDZ are evaluated. Furthermore, sensitivity analysis shows that the two temperature-related constants material constant and time are the most effective variables in HDZ, and the slope of material hardening is the least effective one. The estimated HDZ and the stability time of the caved materials can be successfully applied to determine the induced stress and the maximum surface subsidence, respectively, due to longwall mining.Keywords: Longwall Mining, Height of Destressed Zone, Caved Material System, Minimum Potential Energy, Stability Time
-
International Journal of Mining & Geo-Engineering, Volume:51 Issue: 1, Winter and Spring 2017, PP 1 -7The paper describes an artificial neural network (ANN) model to predict the height of destressed zone (HDZ) which is taken as equivalent to the combined height of caved and fractured zones above the mined panel in longwall mining. For this, the suitable datasets have been collected from the literatures and prepared for modeling. The data were used to construct a multilayer perceptron (MLP) network to approximate the unknown nonlinear relationship between the input parameters and HDZ. The MLP proposed model predicted values in enough agreements with the measured ones in a satisfactory correlation, in which, a high conformity (R2=0.989) was observed. To approve the capability of proposed ANN model, the obtained results are compared to the results of the conventional regression analysis (CRA) method. The calculated performance evaluation indices show the higher level of accuracy of the proposed ANN model compared to CRA. For further evaluation, the ANN model results are compared with the results of available models and in-situ measurements reported in literatures. Comparative results present a logical agreement between ANN model and available methods. Obtained results remark that the proposed ANN model is a suitable tool in HDZ estimation. At the end of modeling, the parametric study shows that the most effective parameter is unit weight whereas elastic modulus is the least effective parameter on the HDZ in this study.Keywords: Height of destressed zone, Artificial neural network, Conventional regression analysis, Parametric study
-
-
دکتر شادمان محمدی بلبان آباددانش آموخته دکتری گروه مهندسی معدن، دانشکده فنی و مهندسی، دانشگاه تربیت مدرس، تهران، ایران همکاری در 3 مقاله -
- این فهرست شامل مطالبی از ایشان است که در سایت مگیران نمایه شده و توسط نویسنده تایید شدهاست.
- مگیران تنها مقالات مجلات ایرانی عضو خود را نمایه میکند. بدیهی است مقالات منتشر شده نگارنده/پژوهشگر در مجلات خارجی، همایشها و مجلاتی که با مگیران همکاری ندارند در این فهرست نیامدهاست.
- اسامی نویسندگان همکار در صورت عضویت در مگیران و تایید مقالات نمایش داده می شود.
©2000-2026 magiran.com All Rights Reserved.