PDF EndNote BibTex RIS Cite

Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini

Year 2017, Volume 7, Issue 1, 12 - 22, 01.01.2017

Abstract

Bu çalışmanın amacı; kayaçların mekanik, indeks ve petrografik özelliklerinden yararlanarak pratik bir delinebilirlik indeks modeli DRI geliştirmektir. DRI’nın tahmin edilmesi için geliştirilen modellerde yapay sinir ağları YSA kullanılmıştır. Bu amaçla, laboratuvarda farklı kayaçlar üzerinde yapılan delinebilirlik deney verileri kullanılmıştır. Ayrıca kayaçların; mekanik tek eksenli basınç ve Brezilian çekme dayanımı ve indeks Schmidt sertlik ve nokta yükü dayanımı özelliklerinin yanı sıra petrografik analiz ortalama tane boyu, eş değer kuvars içeriği % , çimentolanma derecesi sonuçları da YSA modellemesi için kullanılmıştır. DRI ve kayaç özellikleri arasındaki korelasyon incelenmiş ve yüksek korelasyona sahip değişkenler YSA’na girdi parametresi olarak seçilmiştir. Buna göre 14 veri ağın eğitimi için, 7 veri ise test için kullanılmış ve en anlamlı sonucu veren model belirlenmiştir. Testler sonucunda tahmin edilen DRI sonuçları ile deneylerden elde edilen DRI sonuçlarının karşılaştırması yapılmıştır. Sonuç olarak YSA ile modellenen DRI sonuçlarının deneysel verilerden elde edilen sonuçlara oldukça yakın olduğu görülmüştür

References

  • Adebayo, B., Opafunso, ZO., Akande, JM. 2010. Drillability and strength characteristics of selected rock in Nigeria, AU J. T., 14(1):56-60.
  • Akün, ME., Karpuz, C. 2005. Drillability studies of surface set diamond drilling in Zonguldak region sandstones from Turkey. Technical Note, Int. J. Rock Mech. Min. Sci., 42:473-479.
  • Howarth, DF., Rowland, JC. 1987. Quantitative assessment of rock texture and correlation with drillability and strength properties. Rock Mech. Rock Eng. 20: 57–85.
  • İnan, A. 1999. Yapay sinir ağlarının güç sistemlerinde kullanım alanları. Kaynak Elektrik, 119: 104-114
  • ISRM. 1978. Suggested method for determining tensile strength of rock materials. Int. J. Rock Mech. Min. Sci. Geomech. 15: 99- 103.
  • ISRM. 1979. Suggested method for determining the uniaxial compressive strength and deformability of rock. Int. J. Rock Mech. Min. Sci. Geomech. 16: 135-140.
  • ISRM. 1985. Suggested methods for determining point load strength. Int. J. Rock Mech. Min. Sci. Geomech. 22(2): 51–60.
  • Kahraman, S. 1999. Rotary and percussive drilling prediction using regression analysis. Int. J. Rock Mech. Min. Sci. 36: 981– 989.
  • Kahraman, S. 2016. Estimating the penetration rate in diamond drilling in laboratory Works using the regression and artificial neural networks. Neural Process Lett., 43:523-535
  • Kahraman, S., Bilgin, N., Feridunoğlu, C. 2003. Dominant rock proporties affecting penetration rate of percussive drills. Int. J Rock Mech. Min. Sci., pp. 711-723.
  • Kahraman, S., Alber, M., Fener, M, Günaydın, O. 2010. The usability of Cerchar abrasivity index for the prediction of UCS and E of Misis Fault Breccia: regression and artificial neural networks analysis, Exp. Sys. with App., 37:8750-8756
  • Karpuz, C., Paşamehmetoğlu, AC., Dinçer, T., Müftüoğlu, Y. 1990. Drillability studies on the rotary blast hole drilling on lignite overburden series. Int. J. Surfine Min. Reel., 4 : 89-93.
  • Khandelwal, M., Armaghani, DJ. 2016. Predicition of drillability of rocks with strength propertiess using a Hybrid GA-AAN technique. Geotech. Geo. Eng. 34 (5) : 605- 620.
  • Kramadibrata, S., Made, AR., Juanda, J., Simangunsong, GM., Priagung, N. 2001. The use of dimensional analysis to anlyse the relationship between penetration rate of Jack Hammer and rock properties and operational characteristics. Proc. Indonesian Mining Conf. and Exh., Jakarta, Indonesia
  • McFeat-Smith. I., Fowell, RJ. 1977. Correlation of rock properties and the cutting performance of tunneling machines, In Proc. of a Conf. on Rock Eng., pp. 581-602.
  • Mishra, D.A., Srigyan, M., Basu, A., Rokade, P.J. 2015. Soft computing methods for estimating the uniaxial compressive strength of intact rock from index test. Int. J Rock Mech. Min. Sci., 80:418-424
  • Moein, MJA., Shaabani, E., Rezaeian, M. 2014. Experimental evaluation of hardness models by drillability tests for carbonate rocks, J. Petroleum Sci. Eng. 113: 104 -108.
  • Howarth, DF., Adamson, WR., Berndt, JR. 1986. Correlation of model tunnel boring and drilling machine performances with rock proporties. Int J Rock Mech Min. Sci, 23: 57-85.
  • Tumaç, D. 2016. Artificial neural network application to predict the sawability performance of large diameter circular saws. Measurement, 80:12-20.
  • Wijk, G. 1989. The stamp test for rock drillability classification. Int. J. Rock Mech. Min. Sci. Geomech, 26:37–44
  • Yaralı, O., Kahraman, S. 2011. The drillability assessment of rocks using the different brittleness values. Tunn. Undergr. Space Techol. 26: 406 – 414.
  • Yaralı, O., Soyer, E. 2013. Assessment of relationships between drilling rate ındex and mechanical properties of rocks, Tunn. Undergr. Space Techol., 33:46-53.
  • Yılmaz, I., Yüksek, A.G. 2008. An example of artificial neural network (ANN) application for indirect estimation of rock parameters. Rock Mech. Rock Eng., 41(5): 781- 795
  • Yurdakul, M. 2009. Karbonat kökenli doğal taşların yapay sinir ağları ile kesilebilirlik tayini. Doktora Tezi, Eskişehir Osmangazi Üniversitesi, 261 s.
  • Zare, S., Bruland A. 2013. Applications of NTNU/SINTEF drillability indices in hard rock tunneling. Rock Mech. Rock Eng., 46:179 – 187.
  • Zhang, X., Zhai, YH., Xue, CJ., Jiang, TX. 2012. A study of the distribution of formation drillability, Pet. Sci Technol., 29 : 149 – 159.
  • Zhang K, Hou R, Zhang G, Zhang G ve Zhang H 2016. Rock drillability assessment and lithology classification based on the operating parameters of a drifter: case study in coal mine in China. Rock Mech. Rock Eng., 49 (3) : 329-334.
  • Thuro, K., Spaun, G. 1996. Introducing the ‘detruction work’ as a to new rock property of toughness refering to drillability in conventional drill and blast tunnelling. ed. M. Barla, Eurock’96 Pre. and Per. in Rock Mech. Rock Eng., 2 : 707-13.

Prediction of Drillability of Rocks Based on Rock Properties Using Artificial Neural Networks ANN

Year 2017, Volume 7, Issue 1, 12 - 22, 01.01.2017

Abstract

The objective of this paper is to develop a practical model for predicting the drilling rate index DRI based on mechanical, index and petrographic properties of rocks. Artificial neural network ANN is employed in the models developed for predicting the DRI. For this purpose, experimental data obtained from drillability test carried out on different rocks in the laboratory were used. Furthermore, in addition to the mechanical i.e. uniaxial compressive and Brazilian tensile strengths and index i.e. Schmidt hardness and point load index properties, the results of petrographic analyses i.e. mean grain size, equivalent quartz content, degree of cementation were also used for the ANN modelling. The correlations between the DRI and rock properties were evaluated, and the parameters having high correlations were selected as input parameters for the ANN model. Accordingly, 14 data were used for network training and 7 data were used for testing, and the most meaningful was determined. The estimated DRI values from the ANN models were compared with the experimental DRI data. In conclusion, the DRI values estimated by the ANN models were found to be close to those obtained from experiments.

References

  • Adebayo, B., Opafunso, ZO., Akande, JM. 2010. Drillability and strength characteristics of selected rock in Nigeria, AU J. T., 14(1):56-60.
  • Akün, ME., Karpuz, C. 2005. Drillability studies of surface set diamond drilling in Zonguldak region sandstones from Turkey. Technical Note, Int. J. Rock Mech. Min. Sci., 42:473-479.
  • Howarth, DF., Rowland, JC. 1987. Quantitative assessment of rock texture and correlation with drillability and strength properties. Rock Mech. Rock Eng. 20: 57–85.
  • İnan, A. 1999. Yapay sinir ağlarının güç sistemlerinde kullanım alanları. Kaynak Elektrik, 119: 104-114
  • ISRM. 1978. Suggested method for determining tensile strength of rock materials. Int. J. Rock Mech. Min. Sci. Geomech. 15: 99- 103.
  • ISRM. 1979. Suggested method for determining the uniaxial compressive strength and deformability of rock. Int. J. Rock Mech. Min. Sci. Geomech. 16: 135-140.
  • ISRM. 1985. Suggested methods for determining point load strength. Int. J. Rock Mech. Min. Sci. Geomech. 22(2): 51–60.
  • Kahraman, S. 1999. Rotary and percussive drilling prediction using regression analysis. Int. J. Rock Mech. Min. Sci. 36: 981– 989.
  • Kahraman, S. 2016. Estimating the penetration rate in diamond drilling in laboratory Works using the regression and artificial neural networks. Neural Process Lett., 43:523-535
  • Kahraman, S., Bilgin, N., Feridunoğlu, C. 2003. Dominant rock proporties affecting penetration rate of percussive drills. Int. J Rock Mech. Min. Sci., pp. 711-723.
  • Kahraman, S., Alber, M., Fener, M, Günaydın, O. 2010. The usability of Cerchar abrasivity index for the prediction of UCS and E of Misis Fault Breccia: regression and artificial neural networks analysis, Exp. Sys. with App., 37:8750-8756
  • Karpuz, C., Paşamehmetoğlu, AC., Dinçer, T., Müftüoğlu, Y. 1990. Drillability studies on the rotary blast hole drilling on lignite overburden series. Int. J. Surfine Min. Reel., 4 : 89-93.
  • Khandelwal, M., Armaghani, DJ. 2016. Predicition of drillability of rocks with strength propertiess using a Hybrid GA-AAN technique. Geotech. Geo. Eng. 34 (5) : 605- 620.
  • Kramadibrata, S., Made, AR., Juanda, J., Simangunsong, GM., Priagung, N. 2001. The use of dimensional analysis to anlyse the relationship between penetration rate of Jack Hammer and rock properties and operational characteristics. Proc. Indonesian Mining Conf. and Exh., Jakarta, Indonesia
  • McFeat-Smith. I., Fowell, RJ. 1977. Correlation of rock properties and the cutting performance of tunneling machines, In Proc. of a Conf. on Rock Eng., pp. 581-602.
  • Mishra, D.A., Srigyan, M., Basu, A., Rokade, P.J. 2015. Soft computing methods for estimating the uniaxial compressive strength of intact rock from index test. Int. J Rock Mech. Min. Sci., 80:418-424
  • Moein, MJA., Shaabani, E., Rezaeian, M. 2014. Experimental evaluation of hardness models by drillability tests for carbonate rocks, J. Petroleum Sci. Eng. 113: 104 -108.
  • Howarth, DF., Adamson, WR., Berndt, JR. 1986. Correlation of model tunnel boring and drilling machine performances with rock proporties. Int J Rock Mech Min. Sci, 23: 57-85.
  • Tumaç, D. 2016. Artificial neural network application to predict the sawability performance of large diameter circular saws. Measurement, 80:12-20.
  • Wijk, G. 1989. The stamp test for rock drillability classification. Int. J. Rock Mech. Min. Sci. Geomech, 26:37–44
  • Yaralı, O., Kahraman, S. 2011. The drillability assessment of rocks using the different brittleness values. Tunn. Undergr. Space Techol. 26: 406 – 414.
  • Yaralı, O., Soyer, E. 2013. Assessment of relationships between drilling rate ındex and mechanical properties of rocks, Tunn. Undergr. Space Techol., 33:46-53.
  • Yılmaz, I., Yüksek, A.G. 2008. An example of artificial neural network (ANN) application for indirect estimation of rock parameters. Rock Mech. Rock Eng., 41(5): 781- 795
  • Yurdakul, M. 2009. Karbonat kökenli doğal taşların yapay sinir ağları ile kesilebilirlik tayini. Doktora Tezi, Eskişehir Osmangazi Üniversitesi, 261 s.
  • Zare, S., Bruland A. 2013. Applications of NTNU/SINTEF drillability indices in hard rock tunneling. Rock Mech. Rock Eng., 46:179 – 187.
  • Zhang, X., Zhai, YH., Xue, CJ., Jiang, TX. 2012. A study of the distribution of formation drillability, Pet. Sci Technol., 29 : 149 – 159.
  • Zhang K, Hou R, Zhang G, Zhang G ve Zhang H 2016. Rock drillability assessment and lithology classification based on the operating parameters of a drifter: case study in coal mine in China. Rock Mech. Rock Eng., 49 (3) : 329-334.
  • Thuro, K., Spaun, G. 1996. Introducing the ‘detruction work’ as a to new rock property of toughness refering to drillability in conventional drill and blast tunnelling. ed. M. Barla, Eurock’96 Pre. and Per. in Rock Mech. Rock Eng., 2 : 707-13.

Details

Primary Language Turkish
Journal Section Research Article
Authors

Utku SAKIZ This is me
Bülent Ecevit Üniversitesi Mühendislik Fakültesi, Maden Mühendisliği Bölümü, Zonguldak, Türkiye


Olgay YARALI This is me
Bülent Ecevit Üniversitesi Mühendislik Fakültesi, Maden Mühendisliği Bölümü, Zonguldak, Türkiye


Hamit AYDIN This is me
Bülent Ecevit Üniversitesi Mühendislik Fakültesi, Maden Mühendisliği Bölümü, Zonguldak, Türkiye

Publication Date January 1, 2017
Published in Issue Year 2017, Volume 7, Issue 1

Cite

Bibtex @ { karaelmasfen805787, journal = {Karaelmas Fen ve Mühendislik Dergisi}, issn = {2146-7277}, address = {Zonguldak Bülent Ecevit Üniversitesi}, publisher = {Zonguldak Bulent Ecevit University}, year = {2017}, volume = {7}, number = {1}, pages = {12 - 22}, title = {Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini}, key = {cite}, author = {Sakız, Utku and Yaralı, Olgay and Aydın, Hamit} }
APA Sakız, U. , Yaralı, O. & Aydın, H. (2017). Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini . Karaelmas Fen ve Mühendislik Dergisi , 7 (1) , 12-22 . Retrieved from https://dergipark.org.tr/en/pub/karaelmasfen/issue/57120/805787
MLA Sakız, U. , Yaralı, O. , Aydın, H. "Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini" . Karaelmas Fen ve Mühendislik Dergisi 7 (2017 ): 12-22 <https://dergipark.org.tr/en/pub/karaelmasfen/issue/57120/805787>
Chicago Sakız, U. , Yaralı, O. , Aydın, H. "Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini". Karaelmas Fen ve Mühendislik Dergisi 7 (2017 ): 12-22
RIS TY - JOUR T1 - Prediction of Drillability of Rocks Based on Rock Properties Using Artificial Neural Networks ANN AU - UtkuSakız, OlgayYaralı, HamitAydın Y1 - 2017 PY - 2017 N1 - DO - T2 - Karaelmas Fen ve Mühendislik Dergisi JF - Journal JO - JOR SP - 12 EP - 22 VL - 7 IS - 1 SN - 2146-7277- M3 - UR - Y2 - 2022 ER -
EndNote %0 Karaelmas Science and Engineering Journal Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini %A Utku Sakız , Olgay Yaralı , Hamit Aydın %T Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini %D 2017 %J Karaelmas Fen ve Mühendislik Dergisi %P 2146-7277- %V 7 %N 1 %R %U
ISNAD Sakız, Utku , Yaralı, Olgay , Aydın, Hamit . "Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini". Karaelmas Fen ve Mühendislik Dergisi 7 / 1 (January 2017): 12-22 .
AMA Sakız U. , Yaralı O. , Aydın H. Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini. Karaelmas Fen ve Mühendislik Dergisi. 2017; 7(1): 12-22.
Vancouver Sakız U. , Yaralı O. , Aydın H. Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini. Karaelmas Fen ve Mühendislik Dergisi. 2017; 7(1): 12-22.
IEEE U. Sakız , O. Yaralı and H. Aydın , "Kayaç Özelliklerine Bağlı Olarak Kayaç Delinebilirliğinin Yapay Sinir Ağları YSA Metodu ile Tahmini", Karaelmas Fen ve Mühendislik Dergisi, vol. 7, no. 1, pp. 12-22, Jan. 2017