نوع مقاله: علمی - پژوهشی

نویسندگان

دانشگاه تربیت مدرس

چکیده

    در سال‌های اخیر با بهره‌گیری از روش‌های مختلف آزمایشگاهی، چگونگی مد برشی شکست با استفاده از نمونه‌های سنگی مورد بررسی قرار گرفته است. اغلب گسیختگی‌های رخ داده در طبیعت در اثر عملکرد نیروهای کششی و برشی در توده سنگ می‌باشد. تعیین دقیق سختی برشی شکست برای درک و تحلیل رفتار گسیختگی‌ها در حفریات سطحی و زیرزمینی از اهمیت ویژه‌ای برخوردار می‌باشد. بررسی جامع دستاوردهای علمی‌در خصوص تعیین سختی برشی شکست در نمونه‌های سنگی حاکی از دقت قابل قبول آزمایش‌های پانچ و جعبه برش برای این منظور بوده ولی کماکان مشکلاتی در تعیین سختی برشی شکست در فرایندهای محاسبه‌ای در مهندسی وجود دارد. شبکه‌های عصبی مصنوعی قادر هستند با آموزش صحیح، رابطه منطقی بین متغییرهای مختلف برقرار نموده و با دقت کافی، مقادیر سختی برشی شکست را پیش بینی نمایند. در این مقاله با استفاده از نتایج حاصل از آزمایشات آزمایشگاهی و انتخاب پارامترهای موثر در میزان سختی برشی شکست، مدل بهینه‌ای از شبکه عصبی مصنوعی برای هر سری از داده‌ها ایجاد شده و میزان دقت شبکه مورد ازریابی قرار گرفته است. در انتها امکان مقایسه تطبیقی براساس مدل آماری رگرسیون خطی، عرضه شده است.      

کلیدواژه‌ها

عنوان مقاله [English]

Estimation of the Mode II Fracture Toughness by Artificial Neural Network

نویسندگان [English]

  • A Ghazvinian
  • M.R Hadei
  • H Kordi

Tarbiat Modare University of Tehran

چکیده [English]

There have been some efforts to investigate shear mode of fracture using rock specimens by different methods in the recent years. Most of the fractures occurring in nature are of the shear, tensile or the combination of both. The determination of Mode II fracture toughness is important for understanding and analyses of the failure process in rock masses. The comprehensive investigations in the methods of determination of Mode II fracture toughness of rocks indicated that punch and shear box tests are reasonable, although there may be still some illusions. Artificial neural networks are capable to establish logical relationship between different variable parameters in order to predict the value of Mode II fracture toughness. In an effort, the test results obtained from punch and shear box tests along with some affective parameters are considered to predict Mode II fracture toughness through neural network models. Thus an optimum network was established and the precision was evaluated. A comparison of the neural network results is made with the linear regression. The details of the investigation are presented in this paper.    

کلیدواژه‌ها [English]

  • Keywords Mode II fracture toughness
  • Punch and Shear box tests
  • Artificial neural network
  • Linear Regression. Keywords Mode II fracture toughness
  • Linear Regression. Keywords Mode II fracture toughness
  • Linear Regression. Mode II fracture toughness
  • linear regression