برآورد ویژگی‌های هیدروژئولوژیکی تودهٔ سنگ و پیش‌بینی میزان جریان آب از بحث‌های حیاتی و جدی در مهندسی سنگ به‌شمار می‌‌رود. از آن‌جا که در تودهٔ سنگ‌های درز و شکاف‌دار ناپیوستگی‌ها مسیرهای اصلی جریان آب را به‌وجود می‌‌آورند، مشخصات آن‌ها تأثیر چشم‌گیری بر آب‌گذری خواهد داشت. با وجود تحقیقات فراوان هنوز روش مناسبی که رابطه مشخصی بین همه پارامترها و میزان ‌آب‌گذری برقرار کند وجود ندارد. امروزه شبکه‌های عصبی ابزار قدرتمندی برای حل مسائل پیچیده از قبیل پیش‌بینی، تشخیص الگو و طبقه‌بندی انواع متغیرها هستند. در این تحقیق به کمک نوعی شبکهٔ عصبی مصنوعی، رفتار و مقدار ‌‌آب‌گذری تودهٔ سنگ‌های گرانودیوریتی ساختگاه سد شور-جیرفت از روی برخی وی‍ژگی ناپیوستگی‌ها از جمله شاخص کیفی سنگ، فراوانی درزه‌ها، بازشدگی، چگالی وزنی درزه، زون‌های خرد شده و عمق پیش‌بینی شده است. رابطهٔ این پارامتر‌ها با آب‌گذری با روش آماری رگرسیون چند متغیره نیز بررسی شده است. داده‌های به‌کار رفته در آموزش و آزمایش این شبکهٔ عصبی شامل نتایج مربوط به 304 آزمایش لوژن در تودهٔ سنگ‌های گرانودیوریتی ساخت‌گاه 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 بررسی‌های نشان می‌دهد که شبکهٔ عصبی مصنوعی از توانایی فراوانی در حل چنین مسائلی برخوردار است.

واژه‌های کلیدی: شبکه‌ عصبی پرسپترون چندلایه، لوژن، ویژگی ناپیوستگی‌ها، رگرسیون چندمتغیره، ساختگاه سد شور-جیرفت، پیش‌بینی

متن کامل [PDF 291 kb]   (1354 دریافت)