کاربرد روش گروهی مدیریت داده ها (GMDH) در پیش بینی مقاومت فشاری تک محوره سنگ های آهکی

پیام:
نوع مقاله:
مقاله پژوهشی/اصیل (دارای رتبه معتبر)
چکیده:
این تحقیق با هدف ارایه 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.
زبان:
فارسی
صفحات:
69 تا 90
لینک کوتاه:
magiran.com/p2492128 
دانلود و مطالعه متن این مقاله با یکی از روشهای زیر امکان پذیر است:
اشتراک شخصی
با عضویت و پرداخت آنلاین حق اشتراک یک‌ساله به مبلغ 1,390,000ريال می‌توانید 70 عنوان مطلب دانلود کنید!
اشتراک سازمانی
به کتابخانه دانشگاه یا محل کار خود پیشنهاد کنید تا اشتراک سازمانی این پایگاه را برای دسترسی نامحدود همه کاربران به متن مطالب تهیه نمایند!
توجه!
  • حق عضویت دریافتی صرف حمایت از نشریات عضو و نگهداری، تکمیل و توسعه مگیران می‌شود.
  • پرداخت حق اشتراک و دانلود مقالات اجازه بازنشر آن در سایر رسانه‌های چاپی و دیجیتال را به کاربر نمی‌دهد.
In order to view content subscription is required

Personal subscription
Subscribe magiran.com for 70 € euros via PayPal and download 70 articles during a year.
Organization subscription
Please contact us to subscribe your university or library for unlimited access!