پیشبینی میزان ریسک و خطر در پروژه های تونل سازی با بهکارگیری یادگیری ماشین و الگوریتم ژنتیک

مدیریت ریسک در پروژه های تونلسازی به دلیل شرایط زمین شناسی متغیر و عدم قطعیتهای زیاد از اهمیت باالیی برخوردار است. در این تحقیق، یک رویکرد مبتنی بر هوش مصنوعی برای طبقه بندی و پیشبینی سطح ریسک تونل پیشنهاد شده است. این رویکرد می تواند به عنوان یک ابزار کمکی جهت ارزیابی خودکار ریسک در مراحل برنامه ریزی و اجرای پروژه های تونل سازی در سطح کشور مورد استفاده قرار گیرد. مجموعه داده بکار رفته برای آموزش و ارزیابی روش پیشنهادی از مشخصات تونل ها شامل طول تونل، عمق، نوع سنگ، سطح آب زیرزمینی، میزان جابه جایی زمین، میزان نشست سطحی و برچسب سطح ریسک تشکیل شده است. ترکیبی از الگوریتم ژنتیک و جنگل تصادفی برای انتخاب ویژگی ها به کار گرفته شد تا بهترین زیرمجموعه از ویژگی ها برای پیش بینی ریسک تعیین شود. با استفاده از ویژگی های منتخب، شش مدل یادگیری ماشین پرکاربرد آموزش داده شدند و عملکرد آنها با حالتی که از تمام ویژگی ها برای پیشبینی استفاده می کنند؛ مورد مقایسه قرار گرفت تا تاثیر انتخاب ویژگی بررسی شود. عملکرد مدل ها با معیارهای صحت، دقت، فراخوانی و امتیاز F۱ ارزیابی شد. الگوریتم های جنگل تصادفی و درخت با میانگین صحت ۹۹.۷% بهترین عملکرد را نشان دادند. همچنین استفاده از انتخاب ویژگی به روش الگوریتم ژنتیک منجر به بهبود عملکرد اکثر مدل ها شد.

کلیدواژه ها:

هوش مصنوعی ، پیشبینی ریسک ، تونلسازی ، الگوریتم ژنتیک ، یادگیری ماشین