این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
صفحه اصلی
درباره پایگاه
فهرست سامانه ها
الزامات سامانه ها
فهرست سازمانی
تماس با ما
JCR 2016
جستجوی مقالات
جمعه 30 آبان 1404
علوم زمین
، جلد ۲۱، شماره ۸۴، صفحات ۹۹-۱۱۲
عنوان فارسی
پهنهبندی شاخص کیفی سنگ در ساختگاه سد سمیلان، براساس گسلها و شبکه عصبی خودسازمانده
چکیده فارسی مقاله
پهنهبندی، یکی از مباحث مهم، در علومزمین به شمار میآید. در پهنهبندی، یک محدوده به چند بخش یا پهنه مجزا تقسیم و در نهایت از ترکیب نتایج پهنههای مختلف، یک مدل واحد حاصل میشود. در این مطالعه، از روشهای خوشهبندی برای پهنهبندی سد سمیلان استفاده شده است. تعداد بهینه خوشهها براساس متغیر ژئوتکنیکی (لوژون و شاخص کیفی سنگ) و مقادیر شاخصگذاری شده سنگشناسی و درجه اهمیت ساختگاه سد سمیلان تعیین شده است. براساس رتبهبندی 7 شاخص اعتبارسنجی خوشهبندی، تعداد بهینه خوشهها برابر با 4 بهدست آمد. در این مقاله، از روش خوشهبندی براساس شبکه عصبی خودسازمانده، بههمراه نحوه قرارگیری گسلها، برای پهنهبندی استفاده شده است. در حالت اول، براساس گسلها، پهنه به 4 بخش تقسیم شد که نوعی پهنهبندی دوبعدی است که این پهنهبندی در ژرفاهای مختلف، یکسان و مستقل از بعد سوم (ژرفا) بوده و هر گمانه بهیک پهنه اختصاص داده شد. در حالت دوم، از روش نقشه خودسازمانده (SOM) که نوعی شبکه عصبی با قابلیت خوشهبندی است، استفاده شد. دادههای ورودی این شبکه، شامل3 متغیر جهتی (X,Y,Z)، متغیر ژئوتکنیکی (لوژون و شاخص کیفی سنگ)، مقادیر شاخصگذاریسنگشناسی و درجه اهمیت ساختگاه سد سمیلان است. در مرحله بعد، 7 متغیر ورودی بهصورت بهنجارشده (در دامنه 0 تا 1) برای آموزش وارد شبکه شده و خروجی شبکه براساس شاخصهای اعتبارسنجی خوشهها، دادهها بهچهار پهنه (خوشه) مجزا اختصاص داده شد. سپس برای تعیین توزیع فضایی شاخص کیفی سنگ، اطلاعات مرتبط به واریوگرافی و ناهمسانگردی در هر چهار پهنه برای دو حالت محاسبه شد. مبنای خوشهبندی صحیح، بیشترین تفاوت بینخوشهای و بیشترین تشابه درونخوشهای است. برای بررسی و اعتبارسنجی دو حالت خوشهبندی، از شاخص کیفیت خوشهبندی استفاده شد. شاخص کیفیت خوشهبندی بهصورت مجموع اختلاف میانگین بین هر دو خوشه تقسیم بر مجموع انحراف معیار خوشهها تعریف شد که مقادیر بیشینه این شاخص، معرف کیفیت بهتر خوشهبندی است. در این بررسی مشخص شد که خوشهبندی با استفاده از شبکه عصبی خودسازمانده، کیفیت بالاتری نسبت بهخوشهبندی بر اساس گسلها دارد.
کلیدواژههای فارسی مقاله
عنوان انگلیسی
Zoning of RQD Parameter, Based on Faults and Self-Organizing Map in Semilan Dam Site
چکیده انگلیسی مقاله
Zoning is an important practice in earth sciences. In zonation, the study area is divided into separate parts and by compiling the results of these parts, a unique model is obtained. In this study, clustering methods are applied for zoning of Semilan dam site. Optimal number of clusters are measured based on geotechnical parameters (lugeon, RQD), the importance of various dam structures and lithology indicators. By ranking of 7 clustering validity indexes, the optimum number of clusters found to be 4. In this paper, clustering was performed by faults locations and self-organizing neural network. In the former case, the study area was divided into four zones based on faults. This two dimensional zoning is independed of the third dimension (depth) and each sample belonged to a cluster. In the later case, a self-organizing map (SOM), which is a kind of neural network capable of clustering, was used. The SOM input data consists of, three dimensional parameters (X,Y,Z), geotechnical parameters (lugeon, RQD) and finally indicators of importance of various dam structures and lithology. Then, 7 input parameters were normalized between 0 to 1 and entered the network for training.The output data were allocated to four zones (clusters). For RQD spatial distribution realization, variography and anisotropy parameters for all four zones were calculated for both cases, Based on the main principal of clustering method which is maximum difference between clusters and maximum similarity between members of each cluster, performance and validation of two cases of clustering, RQD data were defined. Clustering quality index defined as sum of mean differences between two clusters divided by sum of standard deviation of clusters. Maximizing of this index is optimal solution. This study showed that clustering by SOM gives more accurate results than clustering by faults.
کلیدواژههای انگلیسی مقاله
نویسندگان مقاله
امین حسین مرشدی | amin حسین
دانشکده فنی، دانشگاه تهران، تهران، ایران
سازمان اصلی تایید شده
: دانشگاه تهران (Tehran university)
حسین معماریان |
دانشکده فنی، دانشگاه تهران، تهران، ایران
سازمان اصلی تایید شده
: دانشگاه تهران (Tehran university)
نشانی اینترنتی
http://www.gsjournal.ir/article_53962_160085f0c757a5aa87b497733910fd66.pdf
فایل مقاله
اشکال در دسترسی به فایل - ./files/site1/rds_journals/960/article-960-533444.pdf
کد مقاله (doi)
زبان مقاله منتشر شده
fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به:
صفحه اول پایگاه
|
نسخه مرتبط
|
نشریه مرتبط
|
فهرست نشریات