تخمین تزریق پذیری خاک های دانه ای با به کارگیری داده های آزمایشگاهی و چند روش طبقه بندی هوشمند
Publish Year: 1401
Type: Journal paper
Language: Persian
View: 51
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_ANM-12-32_003
Index date: 10 December 2024
تخمین تزریق پذیری خاک های دانه ای با به کارگیری داده های آزمایشگاهی و چند روش طبقه بندی هوشمند abstract
تزریق پذیری یک پارامتر بااهمیت در عملیات تزریق است و پیش بینی صحیح آن منجر به انتخاب مناسب مواد سیال تزریق شونده می شود. این پارامتر در اکثر مواقع با روش های تجربی تخمین زده می شود و پیش بینی را با خطا همراه می کند. در این تحقیق سعی شد به منظور ساخت و صحت سنجی چند مدل داده کاوی در حوضه ی طبقه بندی، مجموعه ای از داده های آزمایشگاهی در عملیات تزریق موجود در چندین منبع به کار گرفته شود. مدل های طبقه بندی بکار گرفته شده در نرم افزار Orange شامل روش های ماشین بردار پشتیبان، شبکه عصبی مصنوعی، نزدیک ترین همسایگی، جنگل تصادفی و بیزین ساده می باشند. در این مدل ها، 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 ۱۵ درصد وزنی نمونه از آن کوچک تر است به قطر ذرات سیال تزریقی که ۸۵ درصد وزنی نمونه از آن کوچک تر است (N۱=D۱۵ soil/D۸۵ grout و N۲=D۱۰ soil/D۹۵ grout). پس از مدل سازی، نتایج نشان می دهد که مدل های بکار گرفته شده به خوبی رابطه ی بین تزریق پذیری و عوامل موثر آن را تعریف می کنند و از دقت بالایی در تخمین تزریق پذیری خاک های دانه ای برخوردار هستند. با توجه به ماتریس کارایی مدل ها، مدل شبکه عصبی مصنوعی با دقت ۰/۸۶ درصد و مدل نزدیک ترین همسایگی با دقت ۰ /۸۵درصد عملکرد بهتری نسبت به سایر روش ها دارند. بعلاوه در بررسی اهمیت متغیرهای ورودی بر اساس شاخص های امتیازدهی، متغیرهای N۲ و N۱ تاثیرگذارترین متغیرها در روند پیش بینی صحیح تزریق پذیری هستند.
تخمین تزریق پذیری خاک های دانه ای با به کارگیری داده های آزمایشگاهی و چند روش طبقه بندی هوشمند Keywords:
تخمین تزریق پذیری خاک های دانه ای با به کارگیری داده های آزمایشگاهی و چند روش طبقه بندی هوشمند authors
Hadi Fattahi
دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک، اراک، ایران
Fateme Jiryaee
دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک، اراک، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
