بررسی عملکرد مدل¬های داده مبنا در تعیین فشار دوغاب سیمانی با استفاده از روش تلفیقی آزمون گاما و الگوریتم ژنتیک (GA-GT)

نویسندگان

  • حسن بخشنده امنيه دانشیار، دانشکده مهندسی معدن، دانشکدگان فنی، دانشگاه تهران
  • سید احسان موسوی دانشگاه کاشان

چکیده

به­منظور بهبود پارامترهاي ژئومکانيکي و قابليت باربري توده سنگِ بستر یا کاهش تراوايي و بهسازي شرايط بستر سدها و سازه­های مهندسی مرتبط با زمین، تزریق دوغاب سیمانی انجام می­شود. فشار تزریق، پارامتر تعیین­کننده در موفقیت عملیات است به گونه ای که مقادیر کم یا زیاد فشار تزریق دوغاب باعث بروز خسارات مالی و زمانی و عدم موفقیت پروژه میشود با توجه به گستردگی پارامترهای موثر بر فشار تزریق، تعیین فشار بهینه تزریق با استفاده از روابط تحلیلی و تجربی قبلی با خطای زیادی روبرو می­شود، لیکن در این مقاله با کمک روش SVR و با استفاده از اطلاعات پروژه­های بزرگ و موفق،  فشار بهینه تزریق با میزان خطای R قابل قبول (بالای 0.90) تعیین شد. همچنین با یافتن ترکیب بهینه اطلاعات ورودی با استفاده از الگوریتم ژنتیک GT-GA، و حذف داده­های انحرافی میزان خطای محاسباتی به حداقل رسیده و خطای R  به میزان تا 30% بهبود می­یابد. روش SVR  با استفاده از توابع  مختلف کرنل بهترین مقدار را برای پارامتر وابسته در فضای پارامترهای مستقل یافته و ارائه می کند.

بیوگرافی نویسنده

سید احسان موسوی، دانشگاه کاشان

گروه استخراج معدن، دانشجوی دکتری

مراجع

ریاحی مدورا، ح.، خاشعی سیوکی، ع، سیفی، ا. 1396، تحليل دقت و عدم قطعيت مدل شبكه عصبی مصنوعی در پيش-بينی عملكرد زعفران در خراسان جنوبی مبتنی بر داده¬هاي اقليمی، نشریه زراعت و فناوری زعفران، جلد 5، شماره 3، پاییز 1396 ص. 255-271

فرخ نیا، ا. مرید، س، 1388.تحليل عدم قطعيت مدلهاي شبكه عصبي و نروفازي در پيش¬بيني جريان رودخانه. مجله تحقیقات منابع آب، سال پنجم، شماره 3، زمستان 1396

Wilson,I. Jones,A. Jenkins,D. Ware,J. 2004, Predicting Housing Value: Genetic Algorithm Attribute Selection and Dependence Modeling Utilizing The Gamma Test, Applications of Artificial Intelligence in Finance and Economics, No:19, P:243–275;

Marquez,R. Coimbra,C. F. M. 2011.Forecasting of Global And Direct Solar Irradiance Using Stochastic Learning Methods Ground Experiments and The NWS Database, Solar Energy, No:85, P:746-56;

Qiong Wang, WilliamSloan, DaichaoSheng,

##submission.downloads##

چاپ شده

2022-02-27

شماره

نوع مقاله

مقالات