پیش بینی عدد لوژن به کمک شبکهٔ عصبی مصنوعی و مقایسهٔ آن با روش های آماری

برآورد ویژگی های هیدروژئولوژیکی تودهٔ سنگ و پیش بینی میزان جریان آب از بحث های حیاتی و جدی در مهندسی سنگ به شمار می رود. از آن جا که در تودهٔ سنگ های درز و شکاف دار ناپیوستگی ها مسیرهای اصلی جریان آب را به وجود می آورند، مشخصات آن ها تاثیر چشم گیری بر آب گذری خواهد داشت. با وجود تحقیقات فراوان هنوز روش مناسبی که رابطه مشخصی بین همه پارامترها و میزان آب گذری برقرار کند وجود ندارد. امروزه شبکه های عصبی ابزار قدرتمندی برای حل مسائل پیچیده از قبیل پیش بینی، تشخیص الگو و طبقه بندی انواع متغیرها هستند. در این تحقیق به کمک نوعی شبکهٔ عصبی مصنوعی، رفتار و مقدار آب گذری تودهٔ سنگ های گرانودیوریتی ساختگاه سد شور-جیرفت از روی برخی وی‍ژگی ناپیوستگی ها از جمله شاخص کیفی سنگ، فراوانی درزه ها، بازشدگی، چگالی وزنی درزه، زون های خرد شده و عمق پیش بینی شده است. رابطهٔ این پارامتر ها با آب گذری با روش آماری رگرسیون چند متغیره نیز بررسی شده است. داده های به کار رفته در آموزش و آزمایش این شبکهٔ عصبی شامل نتایج مربوط به 304 آزمایش لوژن در تودهٔ سنگ های گرانودیوریتی ساخت گاه سد شور-جیرفت است. شبکهٔ عصبی پرسپترون چندلایه با قاعده پس انتشار خطا با الگوریتم آموزش Levenberg-Marquardt در این تحقیق استفاده شده است. این بررسی های نشان می دهد که شبکهٔ عصبی مصنوعی از توانایی فراوانی در حل چنین مسائلی برخوردار است.