掘削・爆破トンネルの建設時間を予測するための機械学習アプローチ

本研究では、機械学習（ML）技術を利用して掘削・爆破トンネルの建設期間を予測する複雑な作業を検討します。まず、8本のトンネルを掘ることで、20の多様なパラメータを含む包括的なデータセット（500データポイント）を構築しました。詳細な分析の結果、20のパラメータのうち17がアルゴリズムをトレーニングするために重要であることが特定されました。オーバーブレークとトンネル断面のパラメータがトンネル建設期間に大きな影響を与えることがわかりました。MLモデルの予測精度を向上させるために、集中したハイパーパラメータ調整プロセスが実施されました。その結果、ガウス過程回帰モデルが複雑で非線形の関係を捉えるのに効果的であり、平均R²が0.89に達しました。さらに、トンネル建設期間のリアルタイム推定を促進するためのMLベースのグラフィカルユーザーインターフェース（GUI）が開発されました。このGUIは初期予測を可能にするだけでなく、建設段階全体での動的更新も許可し、その実用性を高めます。