تخمین کیفیت سنگهای آهکی مقاطعی از سلسله جبال زاگرس با استفاده از سرعت موج لرزه ای

در این مطالعه کارایی روش ژئوفیزیکی سرعت عبور موج فشاری (vp) برای پیش‌بینی کیفیت توده ‌سنگ‌های آهکی در مناطقی از رشته کوههای زاگرس مورد بررسی قرار گرفته است. جهت طبقه‌‌بندی کیفی توده‌ سنگ‌های آهکی از شاخص طبقه‌‌بندی q و شاخص طبقه‌‌بندی اصلاح شده آن برای توده ‌سنگ‌های رسوبی (qsrm) استفاده شده است. بدین منظور داده‌‌های مربوط به vp، q و qsrm از محل ساختگاه سدهای کارون2، کارون 4، خرسان 3 و سد تنگ معشوره استخراج گردید و با استفاده از روش‌های درونیابی در نرم‌افزار arcgis، لایه‌ های اطلاعاتی از q، qsrm و vp بدست آمد. با استفاده از تجزیه و تحلیل رگرسیون ساده و چندمتغیره بر روی داده‌‌های استخراج شده از لایه‌های اطلاعاتی و استفاده از اصول منطق فازی (fis)، مدل‌هایی جهت پیش‌بینی q و qsrm در توده سنگ‌های آهکی ارائه شده است.‌‌‌ برای ارزیابی دقت مدل‌های بدست آمده، علاوه بر ضریب r2، شاخص های عملکرد (vaf) و جذر میانگین مربعات خطا (rmse) مورد استفاده قرار گرفت. نتایج بدست آمده نشان می‌دهد: از آنجا که شاخص qsrm طیف گسترده‌‌تری از خواص توده ‌‌سنگ را در نظر می‌گیرد، پیش‌بینی شاخص qsrm با استفاده از vp نسبت به پیش‌بینی شاخص q، به واقعیت نزدیک‌‌تر است.

Estimation of the quality of limestone rocks in some section of the Zagros mountains using seismic wave velocity

In this study, the efficiency of the compressive wave velocity (Vp) geophysical method for predicting the quality of limestone mass in areas of Zagros formation, has been investigated. For qualitative classification of limestone rock masses, the Q classification system and its modified classification system for sedimentary rocks (Qsrm) have been used. For this purpose, the data related to Vp, Q and Qsrm were extracted at the site of Karun 2, Karun 4, Khersan 3 and Tangeh Manshoureh dam sites and by using software interpolation methods in ArcGIS has been transformed into information layers. Using simple and multivariable regression analysis on data extracted from information layers and using Fuzzy Inference System (FIS), models for predicting Q and Qsrm in calcareous rock masses are presented. Also, to evaluate the accuracy of the obtained models, in addition to R2, performance indicators (VAF) and root mean square error (RMSE) were used. The results show that since the Qsrm index considers a wider range of massive properties, the prediction of the Qsrm value is closer to reality using geophysical methods than the Q index.