Key points are not available for this paper at this time.
الملخص لضمان حفر آمن وفعال بواسطة آلة حفر الأنفاق (TBM)، من الضروري الحكم بسرعة وبدقة على حالة الكتلة الصخرية. بناءً على تجميع C الضبابي، يقترح هذا البحث طريقة تعلم آلي مجمعة للتنبؤ بمعلمات الكتلة الصخرية. تم جمع مجموعة بيانات مفصلة عن الكتلة الصخرية الميدانية، والتي تتطابق أيضًا مع حفر TBM الميداني. في الوقت نفسه، يتم تقسيم عينات الطبقات المستهدفة إلى عدة مجموعات عبر تجميع C الضبابي، ويتم تدريب نماذج فرعية متعددة من خلال عينات في مجموعات مختلفة باستخدام بيانات حفر TBM المعالجة مسبقًا وبيانات معلمات الكتلة الصخرية كناتج. يمكن التنبؤ بكل عينة اختبار أو حالة حفر جديدة من خلال نماذج فرعية متعددة مع وزن درجة العضوية للعينة لكل مجموعة. تم تحقيق الطريقة المقترحة من خلال 100 عينة تدريب وتم التحقق منها بواسطة 30 عينة اختبار تم جمعها من الجزء C1 من مشروع تخصيص موارد المياه لدلتا اللؤلؤ. متوسط نسبة الخطأ في القوة الانضغاطية أحادية المحور وتكرار المفاصل (Jf) للعينات الـ30 التي تم التنبؤ بها بواسطة شبكة الأعصاب ذات الانتشار العكسي الخالص (BP) هو 13.62% و12.38%، بينما الذي تم التنبؤ به بواسطة شبكة الأعصاب BP المدمجة مع C الضبابي هو 7.66% و6.40%، على التوالي. بالإضافة إلى ذلك، من خلال دمج تجميع C الضبابي، تم تحسين دقة التنبؤات لرجوع المتجهات الداعمة والغابة العشوائية بدرجات مختلفة، مما يظهر أن تجميع C الضبابي يساعد في تحسين دقة التنبؤ في التعلم الآلي وبالتالي له تطبيق جيد. وفقًا لذلك، فإن الطريقة المقترحة لها قيمة في التنبؤ بمعلمات الكتلة الصخرية أثناء حفر TBM.
درس وانغ وآخرون (الإثنين) هذا السؤال.