A Mamdani fuzzy inference system for rock mass rating (RMR) and its use in rock mass parameters estimation

• Autorzy: Sereshki, F. , Daftaribeshli, A. , Ataei, M.

Warianty tytułu

PL

System wnioskowania rozmytego według metody Mamdaniego wykorzystany do oceny skał i jego zastosowanie do określania parametrów górotworu

• Języki publikacji: EN

Abstrakty

EN

Several rock mass classification systems have been presented so far in the area of geomechanics. One of the most widely used rock mass classification system is the Geomechanics classification (RMR) which presented by Bieniawski. The RMR classification is based on the definition of classic membership functions. The classic rating methods are not able to present suitable results in the classification boundaries, because they use classic sets theory. In this research, the RMR method is improved by using fuzzy sets logic in order to better rock mass description. Firstly, RMR classification is redefined by using the fuzzy logic and MATLAB software. For this purpose, original RMR system and its quantitative modified form were defined by fuzzy sets, and then Mamdani fuzzy algorithm was constructed employing 700 "if-then" rules. The tables for Southern wall of 6th Golbini Jajarm bauxite mine are calculated based on field and laboratory measurements. It was shown that the fuzzy set theory could effectively overcome the ambiguities encountered in the RMR systems, and also provides more information on the obtained final ratings. Finally resulted rating from fuzzy rock mass rating was used for rock mass parameters estimation in Jajarm bauxite mine.

PL

W geomechanice stosuje się kilka systemów klasyfikacji górotworu. Jeden z najczęściej używanych systemów klasyfikacji skał to klasyfikacja geomechaniczna (Klasyfikacja RMR) zaproponowana przez Beniawskiego. Klasyfikacja RMR oparta jest na zdefiniowaniu klasycznych funkcji przynależności. Klasyczne metody oceny nie dają odpowiednich wyników w ramach obszaru klasyfikacji ponieważ w większości bazują one na klasycznej teorii zbiorów. W tym artykule zaproponowano udoskonalenie metody RMR w oparciu o logikę rozmytą, w celu opracowania dokładniejszej definicji górotworu. Dokonano redefinicji klasyfikacji RMR w oparciu o logikę rozmytą, przy wykorzystaniu oprogramowania MATLAB. W tym celu oryginalny system RMR i jego zmodyfikowana postać została zdefiniowana z wykorzystanie zbiorów rozmytych, następnie zastosowano algorytm rozmyty Mamdaniego w postaci 700 reguł "jeżeli-to". Obliczono dane dla ściany południowej nr 6 w kopalni boksyty Jajarm, w oparciu o pomiary polowe i laboratoryjne. Wykazano, że teoria zbiorów rozmytych pozwala na uniknięcie niejednoznaczności, które niejednokrotnie miały miejsce w przypadku stosowania klasyfikacji RMR, pozwala ona także na uzyskanie większej ilości informacji o ocenach końcowych. W etapie końcowym wyniki uzyskane przy użyciu teorii zbiorów rozmytych zostały wykorzystane do oceny parametrów skał w kopalni boksytu w Jajarm.

Słowa kluczowe

PL

geomechanika; klasyfikacja; RMR; logika rozmyta; system wnioskowania wg Mamdaniego; kopalnia boksytu w Jajarm

EN

geomechanics; classification; RMR; fuzzy; Mamdani inference system Jajarm bauxite mine

• Czasopismo: Archives of Mining Sciences
• Rocznik: 2010
• Tom: Vol. 55, no 4
• Strony: 947-960
• Opis fizyczny: Bibliogr. 12 poz., rys., tab., wykr.

Twórcy

autor

Sereshki, F.

autor

Daftaribeshli, A.

autor

Ataei, M.

• Faculty of Mining, Petroleum & Geophysics, Shahrood University of Technology, Shahrood, Iran,

Bibliografia

• Bieniawski Z.T., 1973. Engineering classification of jointed rock masses. Trans. S. Afr. Inst. Civ. Eng. 15, p. 335-344.
• Bieniawski Z.T., 1976. Rock mass classification in rock engineering. In proc. Symp. Exploration for Rock Eng., Balkema, Vol. 1, p. 97-106.
• Bieniawski Z.T., 1979. The Geomechanics Classification in rock engineering applications. In Proc. 4th Int. Congr. Rock Mech., Montreux, chap. 5 p. 55-95.
• Bieniawski Z.T., 1989. Engineering Rock Mass Classification. Wiley, New York, 215 p.
• Grima A.M., 2000. Neuro-Fuzzy Modeling in Engineering Geology. A.A. Balkema, Rotterdam, 244 p.
• Jang R.J.S., Sun C.T., 1997. Mizutani E. Neuro-fuzzy and soft computing. Upper Saddle River: Prentice-Hall; 1997, 614 p.
• Juang C.H., Jhi Y.Y., Lee, D.H., 1998. Stability analysis of existing slopes considering uncertainty. Journal of Engineering Geology, vol. 49, p. 111-122.
• Lee C., 1990. Fuzzy logic in control systems: fuzzy logic controller. Part I and II. IEEE Trans Syst Man Cybern; 20:404-35.
• Romana M.R., 1993. A Geomechanical classification for Slope Mass Rating. Hudson (ed.), Vol. 3, Pergamon, Oxford, p. 575-600.
• Ross T.J., 1995. Fuzzy logic with Engineering Application. McGraw-Hill Inc, 600 p.
• Zadeh L.A., 1972. A rationale for fuzzy control. Journal of Dynamic System, Measurement and control Transactions, vol. 94, ASME, p. 3-4.
• Zadeh L.A., 1965. Fuzzy sets. Inform Control, 8:338-53.