پديد آورندگان :
اميركيايي، وحيد دانشگاه صنعتي اصفهان - دانشكده مهندسي معدن , قاسمي، ابراهيم دانشگاه صنعتي اصفهان - دانشكده مهندسي معدن , فرامرزي، لهراسب دانشگاه صنعتي اصفهان - دانشكده مهندسي معدن
كليدواژه :
مقاومت فشاري تك محوري , تحليل رگرسيون چند متغيره , سنگ ساختماني , سرعت موج فشاري , شاخص سختي اشميت
چكيده فارسي :
مقاومت فشاري تك محوري يكي از پارامترهاي اساسي در انتخاب سنگ هاي ساختماني مي باشد كه نقش قابل ملاحظه اي در پايداري آنها دارد. تعيين مستقيم اين پارامتر در آزمايشگاه مشكلاتي همچون آماده سازي نمونه مورد آزمايش بر اساس استاندارد، هزينه بالاي آزمايش و همچنين وقت گير بودن آن را شامل مي شود. به منظور غلبه بر اين مشكلات، امروزه توسعه مدل هاي غيرمستقيم كه در آنها مقاومت فشاري تك محوري بر اساس ساير خواص فيزيكي، مكانيكي و بافتي سنگ پيش بيني مي شوند، رشد چشمگيري داشته است. در اين مقاله، با بررسي ارتباط بين سرعت موج فشاري (Vp) و شاخص سختي اشميت (SHI) با مقاومت فشاري تك محوري، دو رابطه تجربي براي تخمين مقاومت فشاري سنگ هاي ساختماني كربناته توسعه يافته است. روابط بر اساس يك پايگاه داده شامل اطلاعات 63 نمونه از سنگهاي ساختماني كربناته (43 نمونه تراورتن و 20 نمونه مرمريت) و با استفاده از تحليل هاي رگرسيوني خطي و غيرخطي در نرم افزار SPSS ساخته و عملكرد آنها مورد ارزيابي قرار گرفت. به منظور ارزيابي عملكرد دو رابطه شاخص هاي آماري شامل ضريب تعيين (R2)، خطاي جذر ميانگين مربعات (RMSE) و واريانس خطا (VAF) براي هر يك از روابط به طور جداگانه محاسبه شدند. سپس با بررسي و مقايسه شاخص هاي ذكر شده مشخص گرديد كه هر دو رابطه خطي و غيرخطي، مدل هاي قابل اعتمادي براي پيش بيني مقاومت فشاري تك محوري سنگ هاي ساختماني كربناته مي باشند كه قادر هستند با دقت قابل قبولي مورد استفاده قرار گيرند.
چكيده لاتين :
Uniaxial compressive strength (UCS) is one of the basic parameters in the selection of building stones. Direct measurement of this parameter is expensive, time-consuming, and even infeasible in some circumstances due to the difficulty involved in obtaining samples. Therefore, using indirect methods seems necessary for estimating UCS of stones. In this study, the main purpose is to develop indirect models for predicting UCS using non-destructive testing. For this purpose, a database containing 63 data of physical and mechanical parameters of carbonate building stones (including uniaxial compressive strength, P-wave velocity and Schmidt hardness index) were collected from different parts of Iran. Finally, the linear and non-linear multivariate regression models were developed based on this database for estimating UCS of stones.
Introduction
Stone is one of the most commonly used building materials since the past, and has been given particular attention due to the growing human needs for construction. In rock engineering practice, determining the UCS is of prime importance, mainly due to its essential role in the design of geotechnical, civil and building stone projects. Determining the UCS of stone in a laboratory is expensive, time consuming, and also needs well-prepared test samples. To overcome these problems, development of indirect models for prediction of UCS of stones based on their physical and mechanical properties has grown dramatically. Methodology and Approaches
In this research, using two essential properties of stone, namely, the P-wave velocity (Vp) and Schmidt hardness index (SHI), two empirical equations have been developed for the prediction of carbonate building stones’ UCS. Equations based on a database containing 63 samples of carbonate building stone (43 samples of travertines and 20 samples of marbles) have been developed using linear and non-linear regression analysis in SPSS software.
Results and Conclusions
The coefficient of determination (R2) between the measured and predicted values is a good indicator to check the prediction performance of each predictive equation. Furthermore, variance account for (VAF) and root mean square error (RMSE) indices were calculated to control the prediction capacity of equations. These indicators were measured for the both developed equations in this study. For the linear equation, the values of R2, RMSE and VAF indices were 0.836, 11.11 and 83.59, respectively. Also, for non-linear equation, these indices were 0.833, 11.48 and 81.13, respectively. Comparison of indices shows that both linear and non-linear equations are reliable for predicting UCS of carbonate building stone.
