view in publisher's site

Performance analysis of empirical models for predicting rock mass deformation modulus using regression and Bayesian methods

Deformation modulus of rock mass is one of the input parameters to most rock engineering designs and constructions. The field tests for determination of deformation modulus are cumbersome, expensive and time-consuming. This has prompted the development of various regression equations to estimate deformation modulus from results of rock mass classifications, with rock mass rating (RMR) being one of the frequently used classifications. The regression equations are of different types ranging from linear to nonlinear functions like power and exponential. Bayesian method has recently been developed to incorporate regression equations into a Bayesian framework to provide better estimates of geotechnical properties. The question of whether Bayesian method improves the estimation of geotechnical properties in all circumstances remains open. Therefore, a comparative study was conducted to assess the performances of regression and Bayesian methods when they are used to characterize deformation modulus from the same set of RMR data obtained from two project sites. The study also investigated the performance of different types of regression equations in estimation of the deformation modulus. Statistics, probability distributions and prediction indicators were used to assess the performances of regression and Bayesian methods and different types of regression equations. It was found that power and exponential types of regression equations provide a better estimate than linear regression equations. In addition, it was discovered that the ability of the Bayesian method to provide better estimates of deformation modulus than regression method depends on the quality and quantity of input data as well as the type of the regression equation.

تحلیل عملکرد مدل‌های تجربی برای پیش‌بینی مدول تغییر شکل جرم سنگ با استفاده از رگرسیون و روش‌های بیزی

مدول گسیختگی توده سنگ یکی از پارامترهای ورودی در اکثر طرح‌ها و سازه‌های مهندسی سنگ است. تست‌های می‌دانی برای تعیین مدول تغییر شکل، دشوار، پر هزینه و وقت گیر هستند. این امر باعث توسعه معادلات رگرسیون مختلف برای تخمین مدول تغییر شکل از نتایج طبقه‌بندی توده سنگ شده‌است، که رتبه‌بندی توده سنگ (RMR)یکی از طبقه‌بندی‌های پرکاربرد است. معادلات رگرسیون از انواع مختلفی هستند از توابع خطی تا غیر خطی مانند توان و نمایی. روش بیزی اخیرا برای وارد کردن معادلات رگرسیون به یک چارچوب بیزی به منظور برآورد بهتر خواص ژئوتکنیکی توسعه داده شده‌است. این سوال که آیا روش بیزی تخمین خواص ژئوتکنیکی را در تمام شرایط بهبود می‌بخشد یا خیر، همچنان مطرح است. بنابراین، یک مطالعه مقایسه‌ای برای ارزیابی عملکرد روش‌های رگرسیون و بیزی زمانی که برای مشخص کردن مدول تغییر شکل از همان مجموعه داده‌های RMR به‌دست‌آمده از دو سایت پروژه استفاده می‌شود، انجام شد. این مطالعه همچنین عملکرد انواع مختلف معادلات رگرسیون را در برآورد مدول تغییرشکل مورد بررسی قرار داده‌است. آمار، توزیع‌های احتمال و شاخص‌های پیش‌بینی برای ارزیابی عملکرد روش‌های رگرسیون و بیزی و انواع مختلف معادلات رگرسیون مورد استفاده قرار گرفتند. مشخص شد که انواع توانی و نمایی معادلات رگرسیون برآورد بهتری نسبت به معادلات رگرسیون خطی ارائه می‌دهند. علاوه بر این، کشف شد که توانایی روش بیزی برای برآورد بهتر مدول تغییر شکل نسبت به روش رگرسیون به کیفیت و کمیت داده‌های ورودی و همچنین نوع معادله رگرسیون بستگی دارد.
ترجمه شده با

Download PDF سفارش ترجمه این مقاله این مقاله را خودتان با کمک ترجمه کنید
سفارش ترجمه مقاله و کتاب - شروع کنید

با استفاده از افزونه دانلود فایرفاکس چکیده مقالات به صورت خودکار تشخیص داده شده و دکمه دانلود فری‌پیپر در صفحه چکیده نمایش داده می شود.