ارائه الگویی برای بهبود بهره وری ماشین آلات خاکبرداری در پروژه های زیرساختی با استفاده از الگوریتم های یادگیری ماشین (نمونه موردی: خط لوله گاز)

با توجه به جایگاه برجسته کشور در دنیا از منظر منابع انرژی مخصوصا حوزه گازی، اجرای پروژه های زیرساختی انرژی به ویژه خط لوله گاز ضروری می نماید. با این وجود، یکی از چالش های اساسی در این نوع از پروژه ها، موضوع عدم بهره وری مناسب منابع (ماشین آلات و...) است. از این رو هدف اصلی پژوهش حاضر عبارت است از بهبود بهره وری ماشین آلات خاکبرداری پروژه های احداث خط لوله گاز، با کمک الگوریتم های یادگیری ماشین. در این پژوهش، با بهره گیری از مطالعات کتابخانه ای، اسنادی (گزارش های روزانه هفت پروژه خطوط انتقال گاز)، قضاوت خبرگان، روش متن کاوی (و نرم افزار رپیدماینر)، معیارهای موثر بر تعیین بهره وری ماشین آلات خاکبرداری در پروژه های احداث خط لوله گاز، شناسایی و نهایی شدند. به طور خلاصه، نتیجه اصلی پژوهش کنونی اشاره دارد که پیش بینی حجم خاکبرداری، از طریق الگوریتم پیش بینانه (به عنوان مبنای بهینه سازی بهره وری ماشین آلات خاکبرداری) و نیز الگوریتم دسته بندی و با استفاده از مدل یادگیری عمیق (به عنوان مدل منتخب و دارای بهترین عملکرد در پیش بینی حجم خاکبرداری)، قابل اجرا است. درواقع، یافته های پژوهش فعلی در راستای پیش بینی حجم خاکبرداری، پیش از شروع پروژه و تهیه برنامه زمانبندی کلی که در نهایت موجب بهبود بهره وری ماشین آلات خاکبرداری در پروژه های خط لوله گاز می شود، قابل استفاده است.

کلیدواژه ها:

بهره وری ماشین آلات عملیات خاکبرداری ، الگوریتم یادگیری ماشین ، پروژه های زیرساختی انرژی ، پروژه احداث خط لوله گاز