| dc.contributor.author | فتاحی, هادی | fa_IR |
| dc.contributor.author | ملک محمودی, فرشاد | fa_IR |
| dc.contributor.author | قائدی, حسین | fa_IR |
| dc.date.accessioned | 1402-01-10T15:22:14Z | fa_IR |
| dc.date.accessioned | 2023-03-30T15:22:23Z | |
| dc.date.available | 1402-01-10T15:22:14Z | fa_IR |
| dc.date.available | 2023-03-30T15:22:23Z | |
| dc.date.issued | 2022-11-22 | en_US |
| dc.date.issued | 1401-09-01 | fa_IR |
| dc.date.submitted | 2021-08-24 | en_US |
| dc.date.submitted | 1400-06-02 | fa_IR |
| dc.identifier.citation | فتاحی, هادی, ملک محمودی, فرشاد, قائدی, حسین. (1401). پیش‌بینی مهمترین خصوصیت ژئومکانیکی توده سنگ با استفاده از روش‌های الگوریتم جستجوی هارمونی و الگوریتم مبتنی بر آموزش و یادگیری. مهندسی عمران فردوسی, 35(3), 1-18. doi: 10.22067/jfcei.2022.72095.1056 | fa_IR |
| dc.identifier.uri | https://dx.doi.org/10.22067/jfcei.2022.72095.1056 | |
| dc.identifier.uri | https://civil-ferdowsi.um.ac.ir/article_42483.html | |
| dc.identifier.uri | https://iranjournals.nlai.ir/handle/123456789/943919 | |
| dc.description.abstract | به علت وجود مشکلات در ارزیابی تغییر شکل توده‌سنگ‌های درزه‌دار در مقیاس آزمایشگاهی، می‌توان برای در نظر گرفتن اثر مقیاس و درزه‌ها از روش‌های مختلف آزمایش برجا مانند آزمایش بارگذاری صفحه‌ای و دیلاتومتری استفاده کرد. اگر چه این روش‌ها در حال حاضر بهترین هستند، اما گران، زمان‌بر و دارای مشکلات عملیاتی در حین اجرا هستند. بنابراین در این مقاله برای غلبه بر این مشکلات، از الگوریتم‌های جدید جستجوی هارمونی (HS) و الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری (TLBO) برای تخمین غیرمستقیم مدول تغییرشکل‌پذیری توده سنگ استفاده شده‌است. در این مدل‌ها از امتیاز رده‌بندی توده سنگ (RMR)، مقاومت فشاری تک‌محوره سنگ بکر (UCS)، عمق (D) و مدول الاستیسیته سنگ بکر (Ei) به‌عنوان پارامترهای ورودی و از مدول تغییرشکل‌پذیری توده‌سنگ (Em) به‌عنوان پارامتر خروجی استفاده شده‌است. در این مقاله، با استفاده از شاخص‌های آماری مختلف، مدل ایجادشده توسط الگوریتم‌ها، ارزیابی و اعتبارسنجی می‌شود. نتایج ارزیابی نشان داد که دقت رابطه برای الگوریتم جستجوی هارمونی با استفاده از شاخص‌های R2 و VAF حدود 93/0-91/0 و درصد خطا با استفاده از شاخص‌های RMSE وMSE بین 0042/0-000017/0 است هم‌چنین دقت رابطه برای الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری با استفاده از روش R2 و VAF حدود 95/0-92/0 و درصد خطا با استفاده از شاخص‌های RMSE وMSE بین 0032/0-000010/0 به‌دست آمد. | fa_IR |
| dc.format.extent | 1022 | |
| dc.format.mimetype | application/pdf | |
| dc.language | فارسی | |
| dc.language.iso | fa_IR | |
| dc.relation.ispartof | مهندسی عمران فردوسی | fa_IR |
| dc.relation.isversionof | https://dx.doi.org/10.22067/jfcei.2022.72095.1056 | |
| dc.subject | مدول تغییرشکل‌پذیری | fa_IR |
| dc.subject | الگوریتم جستجوی هارمونی | fa_IR |
| dc.subject | الگوریتم بهینه‌سازی مبتنی بر آموزش و یادگیری | fa_IR |
| dc.subject | توده سنگ | fa_IR |
| dc.title | پیش‌بینی مهمترین خصوصیت ژئومکانیکی توده سنگ با استفاده از روش‌های الگوریتم جستجوی هارمونی و الگوریتم مبتنی بر آموزش و یادگیری | fa_IR |
| dc.type | Text | en_US |
| dc.type | مقاله پژوهشی | fa_IR |
| dc.contributor.department | دانشکده‌ی مهندسی علوم زمین، دانشگاه صنعتی اراک. | fa_IR |
| dc.contributor.department | دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک | fa_IR |
| dc.contributor.department | دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک | fa_IR |
| dc.citation.volume | 35 | |
| dc.citation.issue | 3 | |
| dc.citation.spage | 1 | |
| dc.citation.epage | 18 | |
| nlai.contributor.orcid | 0000-0001-6427-0534 | |
