|
|
|
|
ارزیابی کارایی الگوریتم xgboost در پیش‌بینی مقاومت فشاری تک‌محوره سنگ در مقایسه با روش‌های رگرسیونی
|
|
|
|
|
|
|
|
نویسنده
|
مولوی مجید ,بامری علی ,قاسمی ابراهیم
|
|
منبع
|
سيزدهمين كنفرانس ملي مهندسي معدن ايران - 1403 - دوره : 13 - سیزدهمین کنفرانس ملی مهندسی معدن ایران - کد همایش: 03241-92190 - صفحه:0 -0
|
|
چکیده
|
پیش‌بینی مقاومت فشاری تک‌محوره (ucs) سنگ به عنوان پارامتری کلیدی در طراحی سازه‌های ژئوتکنیکی اهمیت زیادی دارد. با توجه به هزینه‌بر بودن اندازه‌گیری مستقیم ucs، استفاده از پارامترهای غیرمخرب مانند سختی واجهشی اشمیت (shr)، سرعت موج فشاری (vp) و تخلخل (n) برای تخمین آن متداول شده است. اگرچه مدل‌های رگرسیونی سنتی به طور گسترده برای این منظور استفاده می‌شوند، اما در شناسایی روابط پیچیده و چندمتغیره محدودیت دارند. در این پژوهش، از الگوریتم xgboost به عنوان یک روش یادگیری ماشین پیشرفته بهره گرفته شده است که توانایی بالاتری در شناسایی الگوهای پیچیده و تعاملات میان پارامترهای ورودی دارد. نتایج نشان می‌دهد که xgboost با دقت بیشتر و کارایی بالاتر نسبت به مدل‌های سنتی ucs را پیش‌بینی کرده و در بهینه‌سازی تصمیم‌گیری‌های مهندسی مکانیک سنگ نقش موثری ایفا می‌کند. این الگوریتم به ضریب تعیین (r²) برابر با 0/905 دست یافته است که نشان‌دهنده توانایی بالا در پیش‌بینی دقیق ucs و تفسیر روابط پیچیده میان پارامترهای مهندسی سنگ است.
|
|
کلیدواژه
|
مقاومت فشاری تک‌محوره،الگوریتم xgboost،یادگیری ماشین،رگرسیون
|
|
آدرس
|
, iran, , iran, , iran
|
|
پست الکترونیکی
|
e_ghasemi@iut.ac.ir
|
|
|
|
|
|
|
|
|
|
|
|
|
|
evaluating the performance of the xgboost algorithm in predicting the uniaxial compressive strength of rock compared to regression methods
|
|
|
|
|
Authors
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|