@article { author = {Morshedi, A.H and Memarian, H}, title = {Design of Sequential Sampling Network, with Kriging and Neural Network, based on Geotechnical Parameters and Quality of Structures of Semilan Dam Site}, journal = {Journal of Mining Engineering}, volume = {5}, number = {10}, pages = {1-20}, year = {2010}, publisher = {Iranian Society of Mining Engineering (IRSME)}, issn = {1735-7616}, eissn = {2676-4482}, doi = {}, abstract = {Selection of proper number and location of boreholes are major tasks in design of exploration network. Boreholes normally drilled for insitue testing and sampling. A challenging issue in sampling is determination of number and location of samples. The logic of optimum sampling is sequential. This work presents a comparison between single and multiple stages sampling in Semilan dam site. First, the single-stage sampling was tested; using geotechnical data (Lugeon and RQD) of 23 boreholes and indicator function. Based on indicator functions, Lugeon parameter divided to four and RQD to three indexes. The other application of indicator functions, is converting qualitative to quantitative data in order to define indicators of various structures and lithology of the studied dam site. Then, indicator variograms of each parameter, in various directions, were calculated and their variogram parameters were extracted. Based on the average kriging error, Lugeon, RQD and lithology index were also divided into four indexes. Consequently, the function for locations of additional drillings, based on their relation with risk and uncertainty is defined. Function for location of additional drillings is found to be equal to Lugeon multiply to estimation error multiply to index of dam structures; divided by RQD multiply by lithology index. Next, two stages sampling was studied starting with 12 boreholes, according to sample density. All the process was repeated once again and according to function of additional drilling locations, 8 boreholes were selected for the second level or phase of drilling. Based on kriging and neural network estimator, and using normalized data, desired parameters were estimated. In the present study, kriging variance and estimation error in two stages sampling decreased more, compare to one stage sampling, although the numbers of boreholes decreased from 23 to 20. Reduction of estimation error is related to the layout of the first stage boreholes between the second stage ones.                 106    }, keywords = {Sampling strategy,Function for locations of additional drilling,kriging variance,Indicator,Neural network,Semilan dam}, title_fa = {طراحی مرحله‌ای شبکه نمونه‌برداری، بر اساس پارامتر‌های ژئوتکنیکی و خصوصیات کیفی ساختگاه سد سمیلان، با استفاده از کریجینگ و شبکه عصبی}, abstract_fa = {از مهم ترین مراحل طراحی شبکه اکتشافات ژئوتکنیکی، تعیین تعداد و موقعیت گمانه‌های اکتشافی است، که به‌منظور کسب اطلاعات و نمونه‌برداری، حفر می‌شوند. یکی از مسائل چالش برانگیز در نمونه‌برداری، تعیین تعداد و موقعیت نمونه‌ها است. منطق طراحی نمونه‌برداری بهینه، منطق نمونه‌برداری مرحله‌ای است. در این بررسی، به مقایسه نمونه‌برداری تک مرحله‌ای و چند مرحله‌ای در ساختگاه سد سمیلان، پرداخته شده است. در مرحله اول، نمونه‌برداری تک مرحله‌ای، با استفاده از اطلاعات ژئوتکنیکی (لوژون و شاخص کیفی سنگ) 23 گمانه، و با به کارگیری تابع شاخص، مورد مطالعه قرار گرفت. بر اساس تابع شاخص، پارامتر لوژون به چهارشاخص و شاخص کیفی به سه شاخص طبقه‌بندی شد. از دیگر کاربرد تابع شاخص، تبدیل داده‌های کیفی به کمی است که به‌منظور شاخص گذاری درجه اهمیت سازه‌های مختلف ساختگاه سد سمیلان و سنگ‌شناسی منطقه، مورد استفاده قرار گرفت. سپس، بر اساس توابع شاخص، واریوگرافی در جهات مختلف انجام شده و با استفاده از پارامتر‌های واریوگرام، کریجینگ شاخص انجام شد. واریانس کریجینگ برای پارامتر‌های لوژون، شاخص کیفی سنگ و شاخص سنگ‌شناسی منطقه محاسبه و میانگین‌گیری و سپس به چهار شاخص تقسیم شد. به‌این ترتیب، تابع تعیین محل حفاری‌های اضافه، بر اساس رابطه هر یک از پارامتر‌ها با ریسک و خطای طراحی، تعریف شد. این تابع عبارتست از: حاصلضرب مقدار کریجینگ شاخص لوژون در مقدار شاخص اهمیت سازه‌های مختلف سد در شاخص خطای تخمین؛ تقسیم بر حاصلضرب مقدار کریجینگ شاخص خصوصیت کیفی سنگ در شاخص سنگ‌شناسی منطقه. در ادامه بررسی‌ها، از نمونه‌برداری دو مرحله‌ای استفاده شد که در مرحله اول، تعداد 12 گمانه از 23 گمانه، بر اساس چگالی نمونه‌ها، انتخاب شدند. در اینجا نیز تمام مراحل قبل تکرار شد و طبق تابع شاخص تعیین محل حفاری‌های اضافه، تعداد 8 گمانه برای مرحله دوم انتخاب شد. بر اساس تخمین‌گر‌های کریجینگ و شبکه عصبی، با استفاده از مقادیر نرمال شده، پارامتر‌های مورد نظر تخمین زده شد و تمام مراحل قبل تکرار گردید. در بررسی حاضر، واریانس کریجینگ و خطای تخمین در حالت دو مرحله‌ای نسبت به‌تک مرحله‌ای کاهش یافته؛ باوجود آنکه تعداد گمانه‌ها از 23 عدد به 20 عدد کاهش یافته است. عامل مهم در کاهش خطای تخمین، نحوة آرایش گمانه‌های مرحله اول، در بین گمانه‌های مرحله دوم بوده است.  }, keywords_fa = {راهبرد نمونه‌برداری,تابع تعیین محل حفاری­های اضافی,واریانس کریجینگ,شاخص گذاری,شبکه عصبی,سد سمیلان}, url = {https://ijme.iranjournals.ir/article_1499.html}, eprint = {https://ijme.iranjournals.ir/article_1499_21c3eca96db6bdf09fdf01ec92e8be82.pdf} }