Resumen

Debido a la limitación en la predicción del asentamiento de la fosa de cimentación, este trabajo propone una nueva metodología que aprovecha el modelo gris de Verhulst y un algoritmo genético. En el estudio anterior, los tiempos de excavación suelen ser el único factor para predecir el asentamiento, lo que se debe principalmente a que la correspondencia entre la profundidad de excavación en tiempo real y el tiempo de excavación es difícil de determinar. Para resolver este problema, los tiempos de apoyo se registran con precisión y la tasa de profundidad de excavación puede obtenerse mediante la longitud del tiempo de excavación y la profundidad de excavación entre dos apoyos adyacentes. Una vez obtenida la correspondencia entre la profundidad de excavación en tiempo real y el tiempo de excavación, se toman en consideración en este estudio el ángulo de fricción interna, la cohesión, la densidad aparente, la relación de Poisson, la relación de vacíos, los cambios de nivel de agua, el coeficiente de permeabilidad, el número de apoyos y la profundidad de excavación, que pueden influir en el asentamiento. Para la aplicación de la metodología, se estudia en este trabajo el punto de control de asentamientos de D4, que está cerca del muelle del puente de la autopista. Los valores predichos por la red neuronal BP, la red neuronal GA-BP, la red neuronal BP optimizada por el modelo gris de Verhulst y la red neuronal GA-BP optimizada por el modelo gris de Verhulst se comparan detalladamente con los valores medidos. Y se calculan los índices de evaluación de RMSE, MAE, MSE, MAPE y R2 para estos modelos. Los resultados muestran que el modelo de Verhulst gris puede mejorar en gran medida la coherencia entre los valores predichos y los valores medidos, aunque la precisión y la resolución siguen siendo bajas. El algoritmo genético (GA) puede mejorar en gran medida la precisión de los valores predichos, mientras que la red neuronal GA-BP muestra una baja reflexión ante la fluctuación de los valores medidos. La red neuronal GA-BP optimizada por el modelo de Verhulst gris, que ha tomado las ventajas del GA y del modelo de Verhulst gris, tiene una precisión extremadamente alta y una buena consistencia con los valores medidos.

• Materias:Dióxido de carbono Perforación de pozos de minas Yacimientos minerales Minería Minas y minería Geofluidos
• Subjects:Carbon dioxide Shaft sinking Mineral deposits Mining Mines and mining Geofluids
• Palabras claves:modelo grey verhulst, red neuronal, valor medido, tiempo de excavación, valor predicho, tiempo de excavación, bp, ga, profundidad de excavación, algoritmo genético
• Keywords:grey verhulst model, neural network, measured value, time excavation depth, predicted value, excavation time, bp, ga, excavation depth, genetic algorithm