زینب علی آبادیان - کارشناس ارشد گرایش مکانیک سنگ، دانشگاه صنعتی امیرکبیر
مصطفی شریف زاده - استادیار دانشکده مهندسی معدن و متالوژی، دانشگاه امیرکبیر

مدول تغییر شکل پذیری توده­سنگ (Em) به عنوان مهم ترین خصوصیت برای طراحی پروژه­های مهندسی سنگ مطرح است و بهترین نماینده برای رفتار مکانیکی پیش از شکست توده­سنگ است. به دلیل هزینه بالا و زمان­بر بودن و مشکلات اجرایی در انجام دقیق آزمایش­های برجا، روش­های غیرمستقیم مانند روابط تجربی و شبکه­های پس انتشار عصبی (BPN) جایگاه بهتری پیدا می­کنند. از این میان  BPN دارای کاربردی گسترده در تخمین خصوصیات توده سنگ از جمله Em است. محققین متعددی از روش سعی و خطا برای ایجاد یک BPN کارا  بهره گرفته­اند که نیاز به صرف زمان و مهارت کاربر دارد. اما در این مطالعه، از الگوریتم ژنتیک برای بهینه کردن پارامتری موثر BPN به منظور تخمین Em در رشته   کوه­های زاگرس ایران استفاده شد.  برای این منظور، یک بانک اطلاعاتی از پروژه­های مختلف رشته کوه­های زاگرس جمع آوری و Em سنگ آهک آسماری تخمین زده و در نهایت نتایج به دست آمده از روش عصبی - ژنتیک با روش عصبی سعی و خطا  مقایسه شد. که براساس نتایج به دست آمده روش عصبی- ژنتیک  دارای دقت و سرعت بالاتر در تخمین Em است.

الگوریتم ژنتیک, رشته کوه زاگرس, شبکه پس انتشار عصبی, مدول تغییر شکل پذیری توده سنگ