Vorhersage der Durchdringungsrate von Jumbo-Bohrern in unterirdischen Bergwerken unter Verwendung verschiedener Methoden des maschinellen Lernens und traditioneller Modelle

Die Schätzung der Durchdringungsraten von Jumbo-Bohrern ist entscheidend zur Optimierung der Bohrprozesse im Untertagebau, mit dem Ziel, Kosten und Zeit zu reduzieren. Diese Studie untersucht verschiedene Regressions- und Methoden des maschinellen Lernens, einschließlich Multilayer Perceptron (MLP), Support Vector Regression (SVR) und Random Forests (RF), zur Vorhersage der Durchdringungsraten (ROP) unter Verwendung multivariater Eingaben wie Betriebsparameter und Eigenschaften des Gesteinsmasses. Der Rock Mass Drillability Index (RDi), der sowohl intakte Gesteinseigenschaften als auch strukturelle Parameter berücksichtigt, wurde verwendet, um das Gesteinsmass zu charakterisieren. Der Datensatz wurde zu 80 % zum Trainieren und zu 20 % zum Testen aufgeteilt. Leistungskennzahlen wie der Korrelationskoeffizient (R