Resumen

La predicción del volumen de inyección es una tarea muy importante en el control de calidad de la inyección. Debido a la ocultación y a la complejidad de la ingeniería de inyección de la cortina kárstica, hay poca investigación sobre la predicción del volumen de inyección de la cortina kárstica (KCGV), y la predicción se ve obstaculizada por los problemas prácticos de las muestras pequeñas, las altas dimensiones y la no linealidad. En el estudio, basado en la idea básica de la máquina de vectores de soporte (SVM), se propone un método de predicción inteligente integral multiparamétrico del KCGV, que supera la limitación de los pocos datos de muestra en la ingeniería práctica. Este método toma las condiciones de construcción de la lechada y las condiciones de la lechada que controlan la difusión de la lechada como los parámetros de entrada, que son los datos básicos que se pueden obtener fácilmente en el proceso de lechada de campo. Esta característica mejora en gran medida la precisión de la predicción y el rendimiento de la generalización del método. El método de predicción inteligente del KCGV basado en SVM se aplica a un proyecto típico de inyección de cortina kárstica. El error medio absoluto de los resultados de la predicción es de 3,47 L/m, y el error medio porcentual absoluto de los resultados de la predicción es del 5,97%. Los resultados muestran que el método de predicción propuesto tiene un excelente efecto de predicción en el KCGV y puede proporcionar una ayuda práctica y beneficiosa para el proyecto de inyección de cortina kárstica de campo.

• Materias:Algoritmos genéticos Geoquímica Análisis de suelos Agua Carbón
• Subjects:Genetic algorithms Geochemistry Soil testing Water Coal
• Palabras claves:inyección de cortina kárstica, métodos de predicción inteligentes, kcgv, resultados de predicción, métodos de predicción propuestos, error medio absoluto, excelentes efectos de predicción, proyecto de inyección de cortina, condiciones de construcción de la inyección, máquina de vectores de apoyo
• Keywords:karst curtain grouting, intelligent prediction methods, kcgv, prediction results, proposed prediction methods, means absolute error, excellent prediction effects, curtain grouting project, grouting construction conditions, support vector machine