ارتقاء بازدهي پروژه حفاري: پيش ‌بيني و ارزيابي عملكرد ماشين رودهدر مبتني بر هوش مصنوعي

رودهدر به عنوان يك حفار مكانيكي فضاهاي زيرزميني، اهميت بالايي در پروژه‌هاي عمراني و معدني دارد و بررسي اقتصادي يك پروژه حفاري به شدت وابسته به پيش‌بيني عملكرد رودهدر است. نرخ خالص حفاري رودهدر يك معيار مهم در ارزيابي عملكرد آن به حساب مي‌آيد كه از طريق روش‌هاي مختلفي مي‌توان به تخمين آن پرداخت. در اين تحقيق با استفاده از روش‌هاي هوش مصنوعي ماشين بردار پشتيبان (SVM)، شبكه عصبي مصنوعي (ANN)، نزديك‌ترين همسايگي (KNN)، جنگل تصادفي (RF) و رگرسيون خطي (LR)، مدل‌هايي به‌منظور پيش‌بيني عملكرد رودهدر ايجاد شد و دقت و مطلوبيت آن‌ها با هم مقايسه شد. متغيرهاي ورودي در اين مدل‌ها، شاخص كيفي سنگ (RQD) و مقادير بازگشت چكش اشميت R1، R2 و R3 مي‌باشند و مدل‌سازي‌ها در نرم‌افزار داده كاوي Orange انجام شده است. نتايج مدلسازي‌ها نشان مي‌دهد كه مدل‌ ماشين بردار پشتيبان با 0.847R^2= و 0.120RMSE= از عملكرد قابل قبولي براي پيش‌بيني نرخ حفاري يا بعبارتي پيش‌بيني عملكرد ماشين رودهدر در حفاري تونل برخوردار است.