تخمین تزریق‌پذیری خاک‌های دانه‌ای با به‌کارگیری داده‌های آزمایشگاهی و چند روش طبقه‌بندی هوشمند

Abstract

تزریق‌پذیری یک پارامتر بااهمیت در عملیات تزریق است و پیش‌بینی صحیح آن منجر به انتخاب مناسب مواد سیال تزریق شونده می‌شود. این پارامتر در اکثر مواقع با روش‌های تجربی تخمین زده می‌شود و پیش‌بینی را با خطا همراه می‌کند. در این تحقیق سعی شد به‌منظور ساخت و صحت سنجی چند مدل داده‌کاوی در حوضه‌ی طبقه‌بندی، مجموعه‌ای از داده‌های آزمایشگاهی در عملیات تزریق موجود در چندین منبع به کار گرفته شود. مدل‌های طبقه‌بندی بکار گرفته‌شده در نرم‌افزار Orange شامل روش‌های ماشین بردار پشتیبان، شبکه عصبی مصنوعی، نزدیک‌ترین همسایگی، جنگل تصادفی و بیزین ساده می‌باشند. در این مدل‌ها، متغیرهای ورودی عبارت است از: نسبت آب به سیمان در دوغاب تزریق شونده، دانسیته نسبی خاک، فشار تزریق، درصد ریزدانه خاک، نسبت قطر ذرات خاک که 15 درصد وزنی نمونه از آن کوچک‌تر است به قطر ذرات سیال تزریقی که 85 درصد وزنی نمونه از آن کوچک‌تر است (N1=D15 soil/D85 grout و N2=D10 soil/D95 grout). پس از مدل‌سازی، نتایج نشان می‌دهد که مدل‌های بکار گرفته‌شده به‌خوبی رابطه‌ی بین تزریق‌پذیری و عوامل مؤثر آن را تعریف می‌کنند و از دقت بالایی در تخمین تزریق‌پذیری خاک‌های دانه‌ای برخوردار هستند. با توجه به ماتریس کارایی مدل‌ها، مدل شبکه عصبی مصنوعی با دقت 0/86 درصد و مدل نزدیک‌ترین همسایگی با دقت 0 /85درصد عملکرد بهتری نسبت به سایر روش‌ها دارند. بعلاوه در بررسی اهمیت متغیرهای ورودی بر اساس شاخص‌های امتیازدهی، متغیرهای N2 و N1 تأثیرگذارترین متغیرها در روند پیش‌بینی صحیح تزریق‌پذیری هستند.

Keywords

• طبقه‌بندی
• تزریق‌پذیری
• خاک‌های دانه‌ای
• نرم‌افزار orange