تخمین چقرمگی شکست مود اول در نمونه سنگ­های دیسکی ترکدار با سوراخ مرکزی با استفاده از رویکرد شبکه عصبی مصنوعی

وجود ناپیوستگی در توده سنگ­ها امری اجتناب ناپذیر است. در نتیجه هنگامیکه این توده­ها در معرض بارهای مکانیکی و عوامل محیطی دیگر قرار بگیرند، احتمال وقوع شکست و رشد ترک از محل همین ناپیوستگی­ها وجود دارد. نمونه­های متعددی برای تعیین مود i شکست سنگ­ها پیشنهاد شده است. با این وجود هندسۀ این نمونه­ها به صورت قطعی تعیین نشده­اند. لذا در این مطالعه سعی شده کاربرد روش شبکه­های عصبی مصنوعی در تعیین چقرمگی مود i نمونه سنگ­های دیسکی ترکدار با سوراخ مرکزی امکان­سنجی و ارزیابی شود. عملکرد قابل اعتماد و توسعۀ سریع راه­حل­های یادگیری ماشین نشان دهندۀ پیشرفتی چشمگیر نسبت به راه­حل­های تجربی و تحلیلی می­باشد. هنگامیکه راه­حل­های تحلیلی و تجربی در دسترس نباشد، روش­های یادگیری ماشین بر محدودیت­های مرتبط غلبه می­کند، که راهی اساسی برای حل مسائل مکانیک شکست می­باشد. نتایج نشان دادند که با افزایش تعداد نرون­های لایه­های ورودی، پنهان و خروجی دقت تخمین افزایش می­یابد. این در حالی است که افزایش تعداد لایه­های پنهان اثر کمتری را بر روی دقت تخمین دارد.