Estimating Uniaxial Compressive Strength of Sedimentary Rocks with Leeb Hardness Using Support Vector Machine Regression Analysis and Artificial Neural Networks

Basit Öğe Kaydı
dc.authoridAkbay, Deniz / 0000-0002-7794-5278
dc.contributor.authorEkincioğlu, Gökhan
dc.contributor.authorAkbay, Deniz
dc.contributor.authorKeser, Serkan
dc.date.accessioned2025-01-27T20:52:26Z
dc.date.available2025-01-27T20:52:26Z
dc.date.issued2024
dc.departmentÇanakkale Onsekiz Mart Üniversitesi
dc.description.abstractUniaxial compressive strength (UCS) of rock materials is a rock property that should be determined for the design and stability of structures before underground and aboveground engineering projects. However, it is impossible to determine the properties of rocks such as UCS directly due to the lack of standardized sample preparation, necessary equipment, etc. In this case, the UCS of rocks is predicted by index test methods such as hardness, ultrasound velocity, etc. Determining the hardness of rocks is relatively more practical, fast, and inexpensive than other properties. In this study, the UCS of sedimentary rocks was predicted as a function of Leeb hardness using artificial neural network (ANN) and Support Vector Machine (SVM) regression analysis. With the proposed ANN and SVM regression models, it is aimed to obtain more accurate and faster prediction values. To better train the models created in the study, the number of data was increased by compiling data from the studies in the literature. The UCS values predicted by the models obtained with two different methods and the measured UCS values were statistically compared. It was proved that the models created with ANN and SVM regression can be used reliably in predicting UCS values.
dc.description.abstractKayaların tek eksenli basınç dayanımı (UCS), yeraltı ve yerüstü mühendislik projelerinden önce yapıların tasarımı ve stabilitesi için belirlenmesi gereken bir kaya özelliğidir. Bununla birlikte, standartlaştırılmış numune hazırlama, gerekli ekipman vb. eksikliklerden dolayı kayaların UCS gibi özelliklerine doğrudan belirlemem mümkün olmamaktadır. Bu durumda, kayaçların UCS'si sertlik, ultrases hızı gibi indeks test yöntemleri ile tahmin edilir. Kayaçların sertliğini belirlemek diğer özelliklere göre nispeten daha pratik, hızlı ve ucuzdur. Bu çalışmada, sedimanter kayaçların UCS'si yapay sinir ağları (ANN) ve SVM regresyon analizi kullanılarak Leeb sertliğinin bir fonksiyonu olarak tahmin edilmiştir. Önerilen yapay sinir ağı ve SVM regresyon modelleri ile daha doğru ve hızlı tahmin değerleri elde edilmesi amaçlanmıştır. Çalışmada oluşturulan modellerin daha iyi eğitilmesi için literatürdeki çalışmalardan veriler derlenerek veri sayısı artırılmıştır. İki farklı yöntemle elde edilen modellerin tahmin ettiği UCS değerleri ile ölçülen UCS değerleri istatistiksel olarak karşılaştırılmıştır. ANN ve SVM regresyonu ile oluşturulan modellerin UCS değerlerini tahmin etmede güvenilir bir şekilde kullanılabileceği ortaya konmuştur.
dc.identifier.doi10.2339/politeknik.1475944
dc.identifier.issn1302-0900
dc.identifier.issn2147-9429
dc.identifier.trdizinid1310115
dc.identifier.urihttps://doi.org/10.2339/politeknik.1475944
dc.identifier.urihttps://hdl.handle.net/20.500.12428/25765
dc.identifier.wosWOS:001289485400001
dc.identifier.wosqualityN/A
dc.indekslendigikaynakWeb of Science
dc.indekslendigikaynakTR-Dizin
dc.language.isoen
dc.publisherGazi Univ
dc.relation.ispartofJournal of Polytechnic-Politeknik Dergisi
dc.relation.publicationcategoryinfo:eu-repo/semantics/openAccess
dc.rightsinfo:eu-repo/semantics/openAccess
dc.snmzKA_WoS_20250125
dc.subjectLeeb hardness
dc.subjectuniaxial compressive strength
dc.subjectsedimentary rocks
dc.subjectartificial neural network
dc.subjectsupport vector machine regression
dc.subjectLeeb sertliği
dc.subjecttek eksenli basınç dayanımı
dc.subjectsedimanter kayaçlar
dc.subjectyapay sinir ağı
dc.subjectSVM regresyonu
dc.titleEstimating Uniaxial Compressive Strength of Sedimentary Rocks with Leeb Hardness Using Support Vector Machine Regression Analysis and Artificial Neural Networks
dc.title.alternativeSedimanter Kayaçların Tek Eksenli Basınç Dayanımının Leeb Sertliği Kullanılarak Yapay Sinir Ağları ve SVM Regresyon Analizi ile Tahmin Edilmesi
dc.typeArticle

Dosyalar

Orijinal paket
Listeleniyor 1 - 1 / 1
Küçük Resim
İsim:
Deniz Akbay_Makale.pdf
Boyut:
786.34 KB
Biçim:
Adobe Portable Document Format
İndir

Koleksiyon

WoS İndeksli Yayınlar Koleksiyonu
TR-Dizin İndeksli Yayınlar Koleksiyonu
Çan Meslek Yüksekokulu Koleksiyonu