Linear and nonlinear attributes of ultrasonic time series recorded from experimentally loaded rock samples and total failure prediction

0087473 - GLÚ 2008 RIV GB eng J - Journal Article
Rudajev, Vladimír - Číž, R.
Linear and nonlinear attributes of ultrasonic time series recorded from experimentally loaded rock samples and total failure prediction.
[Lineární a nelineární vlastnosti ultrazvukové časové série, zaznamenané z experimentálně zatěžovaných horninových vzorků a predikce totálního rozrušení.]
International Journal of Rock Mechanics and Mining Sciences. Roč. 44, č. 3 (2007), s. 457-467. ISSN 1365-1609. E-ISSN 1873-4545
R&D Projects: GA ČR GA205/06/0906
Institutional research plan: CEZ:AV0Z30130516; CEZ:AV0Z30460519
Keywords : ultrasonic emission * microfracturing * time series * autocorrelation * fractal dimensions * neural networks
Subject RIV: DC - Siesmology, Volcanology, Earth Structure
Impact factor: 0.735, year: 2007

The monitoring of the ultrasonic and acoustic emission occurring during loading of rocks provides important information about the fracturing process taking place in the rock sample. This study analyzed and compared several parameters derived from the time series of the UE activity for short- and middle-term experiments. The comparison between linear correlation coefficients, nonlinear correlation coefficients, variogram values and fractal dimensions is carried out. All analyzed parameters show precursor behaviour prior to the rock sample total failure. Developed multi-channel algorithm, based on artificial neural networks, is proposed for the discrimination between stable and unstable state of rock sample.

Monitorování ultrazvukové a akustické emise, vznikající pří zatěžování hornin poskytuje významnou informaci o procesu porušování, který v horninách probíhá. Tato studie analyzovala a porovnávala několik parametrů, odvozených z časových sérií ultrazvukové emise vznikajících při krátkodobých a střednědobých zatěžovacích zkouškách. Porovnání mezi lineárními a nelineárními korelačními koeficienty, mezi hodnotami variogramů a fraktálnímí dimensemi byly provedeny. Všechny uvedené parametry vykazují prekurzorní charakter před totálním rozrušením horninového vzorku.Odvozený mnohokanálový algoritmus, založený na umělých neurálních sítích je určen pro rozlišení mezi stabilním a nestabilním stavem horninového vzorku.
Permanent Link: http://hdl.handle.net/11104/0149309