پيش بيني مقاومت فشاري براي سنگ دولوميت منطقه شهرضا با استفاده از شبكه عصبي مصنوعي

در پروژه هاي مهندسي تخمين كرنش در تنش هاي مختلف و يا به عبارتي تخمين مقاومت فشاري تك محوره پر اهميت است. از آنجا كه آزمايش هاي مكرر در عمل امكان پذير نيست، روش هاي داده كاوي مي توانند مدل هاي مناسبي را براي تعميم نتايج آزمايشگاهي ارائه دهند. روش هاي داده كاوي باعث صرفه جويي در وقت و هزينه و نيز افزايش دقت مي شوند. شبكه عصبي مصنوعي با الهام از ساختار مغز انسان يكي از اين روش هاي داده كاوي مي باشد. در اين تحقيق يك شبكه عصبي مصنوعي ساده با يك لايه ورودي يك لايه خروجي، 3 لايه پنهان، تابع تحريك نورون لايه پنهان سيگموئيدي و نوع تابع تحريك لايه خروجي خطي توانست نتايج خوبي را ايجاد كند به نحوي كه ضريب همبستگي براي نمونه هاي طبيعي مدل انتخابي براي داده هاي آموزش و صحت سنجي به ترتيب 91 و 97 درصد و براي داده هاي اشباع در هر دو دسته داده هاي آموزش و صحت سنجي 99 درصد مي باشد.داده هاي پرت در مدل سازي رگراسيوني ايجاد مشكل ميكنند و معمولا نتايج رضايت بشي را ارائه نمي دهند. همبستگي مدل رگراسيون غير خطي براي نمونه هاي طبيعي و اشباع به ترتيب 63 و 69 درصد مي باشد. نتايج حاصل از شبكه عصبي مصنوعي نسبت به همبستگي داده ها با مدل رگراسيوني رضايت بخش مي باشد.