طراحی یک مدل یادگیری ماشین برای پیش بینی ویژگی های سنگ های مورداستفاده در ساخت موج شکن های توده سنگی

انتخاب معادن و همچنین سنگ باکیفیت مطابق با استانداردهای طراحی همیشه از مهم ترین چالش ها در جانمایی موج شکن ها و همچنین آغاز فعالیت های اجرایی پروژه های ساخت موج شکن های توده سنگی بوده است. این پژوهش بر مبنای استفاده از رویکردهای یادگیری ماشین جهت پیش بینی نتیجه پذیرش و یا عدم پذیرش سنگ های معادن با حداقل آزمایش های ممکن بر اساس خروجی الگوریتم پیشنهاد شده است. روش استفاده شده در این پایان نامه، ارائه چارچوبی شامل پیش پردازش کامل و دقیق داده ها و به کارگیری الگوریتم های یادگیری ماشین همچون درخت تصمیم، جنگل تصادفی و نزدیک ترین همسایه است. همچنین داده های استفاده شده در این پژوهش شامل نتایج آزمایش های سنگ ده سال اخیر است که در ساخت موج شکن های توده سنگی نوار ساحلی دریای عمان استفاده شده است. در این روش داده های موجود به دو بخش داده های اصلی و داده های تست طبقه بندی شده و الگوریتم بر روی داده های اصلی پیاده سازی و پس از آن خروجی الگوریتم با استفاده از داده های تست ارزیابی گردید بادقت ۹۶ درصد  خروجی الگوریتم مورد تایید قرار گرفت. نتایج به دست آمده از این چارچوب بر اهمیت استفاده از داده های موجود در صنعت ساخت سازه های دریایی و همچنین اثربخشی استفاده از الگوریتم های  یادگیری ماشین در آنالیز و تحلیل داده های موجود تاکید دارد. خروجی نتایج پایان نامه حاضر باعث کاهش زمان انجام آزمایش ها، کاهش هزینه پروژه و کاهش مدت زمان انجام پروژه می گردد. بینش به دست آمده از پژوهش حاضر می تواند به شرکت های فعال در زمینه ساخت وساز سازه های دریایی و همچنین به طور خاص به سازمان بنادر و دریانوردی به عنوان متولی ساخت و نگهداری سازه های دریایی در کشور به جهت جانمایی موج شکن ها، بهینه سازی تخصیص منابع، کاهش زمان اجرایی و بهره برداری پروژه ها کمک نماید.

کلیدواژه ها:

Rock mass breakwaters ، decision tree algorithm ، random forest algorithm ، nearest neighbor algorithm ، machine learning ، موج شکن های توده سنگی ، الگوریتم درخت تصمیم ، الگوریتم جنگل تصادفی ، الگوریتم نزدیک ترین همسایه ، یادگیری ماشین