تخمين تزريق‌پذيري خاك‌هاي دانه‌اي با به‌كارگيري داده‌هاي آزمايشگاهي و چند روش طبقه‌بندي هوشمند

تزريق‌پذيري يك پارامتر بااهميت در عمليات تزريق است و پيش‌بيني صحيح آن منجر به انتخاب مناسب مواد سيال تزريق شونده مي‌شود. اين پارامتر در اكثر مواقع با روش‌هاي تجربي تخمين زده مي‌شود و پيش‌بيني را با خطا همراه مي‌كند. در اين تحقيق سعي شد به‌منظور ساخت و صحت سنجي چند مدل داده‌كاوي در حوضه‌ي طبقه‌بندي، مجموعه‌اي از داده‌هاي آزمايشگاهي در عمليات تزريق موجود در چندين منبع به كار گرفته شود. مدل‌هاي طبقه‌بندي بكار گرفته‌شده در نرم‌افزار Orange شامل روش‌هاي ماشين بردار پشتيبان، شبكه عصبي مصنوعي، نزديك‌ترين همسايگي، جنگل تصادفي و بيزين ساده مي‌باشند. در اين مدل‌ها، متغيرهاي ورودي عبارت است از: نسبت آب به سيمان در دوغاب تزريق شونده، دانسيته نسبي خاك، فشار تزريق، درصد ريزدانه خاك، نسبت قطر ذرات خاك كه 15 درصد وزني نمونه از آن كوچك‌تر است به قطر ذرات سيال تزريقي كه 85 درصد وزني نمونه از آن كوچك‌تر است (N1=D15 soil/D85 grout و N2=D10 soil/D95 grout). پس از مدل‌سازي، نتايج نشان مي‌دهد كه مدل‌هاي بكار گرفته‌شده به‌خوبي رابطه‌ي بين تزريق‌پذيري و عوامل مؤثر آن را تعريف مي‌كنند و از دقت بالايي در تخمين تزريق‌پذيري خاك‌هاي دانه‌اي برخوردار هستند. با توجه به ماتريس كارايي مدل‌ها، مدل شبكه عصبي مصنوعي با دقت 0/86 درصد و مدل نزديك‌ترين همسايگي با دقت 0/85 درصد عملكرد بهتري نسبت به ساير روش‌ها دارند. بعلاوه در بررسي اهميت متغيرهاي ورودي بر اساس شاخص‌هاي امتيازدهي، متغيرهاي N2 و N1 تأثيرگذارترين متغيرها در روند پيش‌بيني صحيح تزريق‌پذيري هستند.