Prediction of Sievers’ J Miniature Drilling Test Results Utilizing the Physico-Mechanical Properties of Volcanic Rocks

Abstract

This investigation seeks to estimate the Sievers’ J-type miniature drilling index (SJ) of volcanic rocks by employing their fundamental physico-mechanical attributes. To achieve this, a series of laboratory measurements were conducted on ten distinct volcanic and pyroclastic rock specimens, focusing on electrical resistivity (ER), P-wave velocity (Vp), dry density (d), porosity (n), and Leeb hardness (HL). The relationship between these properties and the SJ test outcomes was analyzed using simple linear regression, while the reliability of the associations was assessed through Pearson, Spearman, and Kendall correlation coefficients. Notably strong linear correlations were observed between the SJ values and the n (r = 0.87), d (r = 0.87), and HL (r = 0.91) parameters. Considering the labor-intensive and costly nature of the SJ test, it is proposed that these values may be effectively inferred through regression-based models utilizing d, n, and HL measurements.Bu çalışma, volkanik kayaçların temel fiziko-mekanik özelliklerinden yararlanarak Sievers J tipi minyatür delme indeksi (SJ) değerlerini tahmin etmeyi amaçlamaktadır. Bu amacı gerçekleştirmek için, on farklı volkanik ve piroklastik kayaç örneği üzerinde laboratuvar ölçümleri gerçekleştirilmiştir. Bu ölçümler kapsamında elektriksel özdirenç (ER), P-dalgası hızı (Vp), kuru birim hacim ağırlık (d), gözeneklilik (n) ve Leeb sertliği (HL) parametreleri incelenmiştir. Bu özellikler ile SJ deneyi sonuçları arasındaki ilişki basit doğrusal regresyon analizi ile değerlendirilmiş; ilişki düzeyleri ise Pearson, Spearman ve Kendall korelasyon katsayıları ile test edilmiştir. SJ değerleri ile n (r = 0.87), d (r = 0.87) ve HL (r = 0.91) parametreleri arasında dikkate değer güçlü doğrusal ilişkiler tespit edilmiştir. SJ testinin emek yoğun ve maliyetli bir yöntem olması göz önüne alındığında, d, n ve HL ölçümleri kullanılarak oluşturulacak regresyon tabanlı modellerle SJ değerlerinin etkin bir şekilde tahmin edilebileceği önerilmektedir.