معرفی شاخص جدید سنگدانه (ai) با استفاده از ویژگی‌های پتروگرافی و ژئومکانیکی (مطالعه موردی: سنگ آهک های استان همدان)

سنگدانه ها مصالحی هستند که بطور وسیع در صنعت بتن و احداث سازه های بتنی، اساس و زیر اساس جاده و راه آهن بکار می روند. استان همدان دارای منابع وسیعی از سنگ آهک است که این امر ارزیابی ویژگی های آنها را بمنظور کاربرد در پروژه های عمرانی مختلف ضروری می‌سازد. در این پژوهش، با استفاده از پارامترهای سنگدانه (ارزش ضربه، ارزش سایش لس آنجلس و ارزش خردشوندگی) و بررسی پتروگرافی آنها، سنگ های آهکی استان را به لحاظ کاربری در پروژه های با حساسیت های مختلف تقسیم بندی نموده و این طبقه بندی را شاخص سنگدانه (ai) نامیدیم. سپس این پارامتر بر سرعت موج p تقسیم شده و به عنوان شاخص تعدیل شده سنگدانه (aai) معرفی شده است. در نهایت پارامتر یاد شده با استفاده از رگرسیون های تک متغیره و چند متغیره به روش بهترین زیرمجموعه و بر اساس خصوصیات فیزیکی و مکانیکی سنگ های مورد مطالعه تخمین زده شده است. در رگرسیون تک متغیره، تنها پارامتر عدد واجهش چکش اشمیت با ضریب تعیین کمتر از 50 درصد برای تخمین این پارامتر مناسب نبوده، در حالیکه در روش رگرسیون چند متغیره با انتخاب بهترین پارامترها (سرعت موج p، مقاومت فشاری تک محوری، مقاومت کششی و دانسیته خشک) و حذف پارامترهای نامناسب، معادله ای با سطح معناداری 99 درصد بدست آمده است که بیانگر قابل اطمینان بودن معادله ارائه شده است.

Introducing a new aggregates index (AI) using petrograghical and geomechanical properties (Case study: Hamedan province limestones)

Aggregates are materials which are used extensively in construction industry such as concrete constructions, road base and subbase and rail ways. Hamedan province has extensive sources of limestones, so it is essential to evaluate the limestone characteristics for their applications in different civil projects. In this study, Hamedan limestones are classified based on their applications in projects with different sensetivites by considering aggregate parametrs (Aggregate impact value, Aggregate crushing value, Los Angeles aggregate abrasion value) and petrography investigations. This classification is called aggregate index (AI). Then, this index is divided to P wave velocity called aggregate adjusted index (AAI). Finally, this parameter has been estimated by simple and multiple (by using bestsubsets) regression methods, based on physical and mechanical properties of studied rocks. In simple regression, Schmit hammer rebound is the only parameter which has a determination coefficient less than 50% and it is not suitable for estimation, while in multiple regression the best parameters (e. g. P wave velocity, uniaxial compressive strength, tensile strength and dry density) have been chosen and unfavorable parameters have been ignored which finally leads to a relaible equation with 99% significant level.