Abstract (english) | There are a number of methods forestimating physical and mechanical characteristics. Principally, the most widely used method is regression, but recently, more sophisticated methods such as neural networks have frequently been applied as well. This paper presents the models of a simple and a multiple regression and neural networks – types Radial Basis Function and Multiple Layer Perceptron, which can be used for the estimate of the Brazilian indirect tensile strength in saturated conditions. The paper includes the issues of collecting data for the analysis and modelling and an overview of the performed analysis with an efficacy assessment of the estimate for each model. After the assessment, the model which provided the best estimate was selected, including the model which could have the most wide-spread application in the engineering practice. |
Abstract (croatian) | Potreba za procjenom neizravne vlačne čvrstoće koju inače određujemo brazilskim testom može se javiti pri idejnim rješenjima podzemnih radova u sredinama gdje je prisutna podzemna voda. Pregledom dostupne literature iz relevantnih izvora, koja se bavi utjecajem zasićenja na neizravnu vlačnu čvrstoću stijena koja se određuje brazilskim testom, utvrđeno je da se samo nekoliko radova bavi procjenom neizravne vlačne čvrstoće kod vapnenaca i pri tome se ne bave zasićenjem vodom. Isto tako, autori ovoga rada pregledom dostupne literature iz relevantnih izvora nisu naišli na rad koji bi se bavio procjenjivanjem neizravne vlačne čvrstoće vapnenca pomoću neuronskih mreža koje bi primjenjivale samo dva ulazna parametra, neizravnu vlačnu čvrstoću u suhome stanju i/ili šupljikavosti, stoga je bio razumljiv znanstveni interes za izradu i primjenu modela takva tipa. Skup podataka na temelju kojega je modelirano izrađen je jednim djelom od prikupljenih podataka iz objavljene literature gdje su navedeni rezultati ispitivanja poroznosti, indirektne vlačne čvrstoće u suhome i zasićenome stanju miocenskoga vapnenca, a drugi dio početnoga skupa bazira se na istraživanjima koja su provedena u Geomehaničkome laboratoriju RGN fakulteta u Zagrebu na vapnencima iz kamenoloma „Podberam” kod Pazina. U obama slučajevima ispitivanja su obavljena prema preporuci Međunarodnoga društva za mehaniku stijena pa je objedinjavanje bilo moguće. Na temelju prikupljenih podataka pomoću programskoga paketa Statistica 12 ukupno je napravljeno pet modela za procjenu neizravne vlačne čvrstoće. Modeli jednostruke regresije nose oznaku SR_1 (temelji se na jednostavnoj regresiji s poroznošću) i SR_2 koji je napravljen pomoću neizravne vlačne čvrstoće u suhome stanju. Model višestruke regresije nazvan je MR, a u njemu su nezavisne varijable šupljikavosti i neizravne vlačne čvrstoće u suhome stanju. Model neuronskih mreža s radijalnom baznom funkcijom nazvan je NN_RBF, a model tipa višeslojna mreža nosi oznaku NN_MLP. Uobičajeno se izrađeni modeli evaluiraju pomoću niza koeficijenata koji služe u tu svrhu: koeficijent koleracije (R), koeficijent determinacije (R2 ), korigirani R2 (R2 Adj) i korijen srednje kvadratne pogreške (RMSE). Prema parametrima ocjene najbolji je model NN_MLP, zatim slijedi model NN_RBF pa model MR te model SR_2 i na kraju model SR_1. Iako model NN_MLP najbolje procjenjuje neizravnu vlačnu čvrstoću u saturiranome stanju jer ima R = 0,987348; R2 = 0,974856; R 2 Adj = 0,974382 i RMSE = 0,272791, ipak prema mogućnosti šire primjene u inženjerskoj praksi model višestruke regresije najviše obećava jer za njegovu primjenu nisu potrebni složeni programski paketi. Modele iz ovoga rada treba primjenjivati samo kada su ulazni parametri u rasponu za indirektnu vlačnu čvrstoću u suhome stanju od 0,07 do 7,381 MPa. |