ИСПОЛЬЗОВАНИЕ АЛГОРИТМОВ DATA MINING ДЛЯ РЕШЕНИЯ ПРОГНОЗНЫХ ЗАДАЧ ПРИ СТРОИТЕЛЬСТВЕ МЕТРОПОЛИТЕНА

unpublished
Планирование и проектирование сооружений в условиях городской застройки с наличием метро политена требует привлечения знаний мониторин га о негативных инженерно геологических процес сах, в том числе, о величине осадки, вызванных строительством метро. Прогнозирование величи ны осадки, одна из многих задач инженерно геоло гической практики, при решении которой преодо леваются различные типы неопределенностей, свя занные, например, со случайным характером про странственной изменчивости параметров
more » ... чивости параметров грунто вого массива, неизвестностью закона распределе ния признаков, с неточностью средств измерения, отсутствием представительного ряда наблюдений и других. Соответственно, встает под сомнение при менимость классической теории вероятности для решения прогнозных задач. В последние годы при работе с массивами разнородных данных стала ис пользоваться технология Data Mining [1]. Рассмо трим практическое использование алгоритмов Da ta Mining на платформе Deductor для прогнозиро вания величины оседания поверхности, вызванной проходкой метрополитена. Исходными данными для эксперимента послу жили материалы мониторинга за оседанием по верхности, вызванные строительством метрополи тена в г. Мюнхен. Многолетний мониторинг за ос адками ведется сотрудниками Технического уни верситета г. Мюнхена под руководством И. Филли бека (Dr. Fillibeck). Автор выполняла работы по ма тематическому моделированию оседания поверх ности [2] . Моделирование осуществлено по 40 по перечникам, для которых известно фактическое оседание поверхности. Параметры массива данных мониторинга можно разделить на 2 группы. Первая группа -это геометрические параметры, характе ризующие расположение туннеля в горном масси ве (глубина залегания туннеля Z, отношение мощ ности перекрывающих пород над туннелем к диа метру проходки H/D, отношение расстояния между осями двойных туннелей к диаметру A/D, величина осадки, ширина корыта оседания). Вторая группагеологические параметры: состав, возраст, условия залегания горных пород от дневной поверхности до подошвы туннеля. Моделирование при помощи программы PLA XIS проводилось с целью нахождения закономер ностей между параметрами мониторинга за осад кой и на основании этого иметь возможность пред сказывать ожидаемую величину осадки для новых линий метрополитена. Для решения этой задачи вначале по традиции были применены методы ре грессионного анализа. Для уменьшения числа пе ременных весь массив данных был разбит на 3 вы борки, внутри которых были одинаковыми состав пород и способ проходки. В первую выборку было отобрано 24 разреза, в которых туннель располо жен в четвертичных отложениях. Использование статистических методов для вы явления зависимости между величиной осадки S max и геометрическими параметрами H/D, A/D показа ло, что связь между этими параметрами незначи тельная (коэффициент детерминации R 2 <0,1, рис. 1). Связь между параметрами величиной осев шего грунта над туннелем в результате проведения горных работ V s и глубиной залегания туннеля Z оказалась более значимой (коэффициент детерми нации R 2 =0,48, рис. 2). Эти методы позволили уста новить только диапазон изменения параметров с разным доверительным уровнем. Использование сведений о составе пород так же не позволило выявить какие либо однознач ные закономерности в данных по мониторингу, которые позволили бы прогнозировать величину осадки в новых условиях. Тогда было выдвинуто предположение об эффективности использова ния для решения этой задачи «машинное обуче ние». Для интеллектуального анализа данных Da ta Mining, были выбраны такие алгоритмы как де ревья решений и самоорганизующиеся карты Ко хонена. Данные методы хорошо зарекомендовали себя во многих областях науки и техники, по скольку обладают свойством адаптивности, обоб щения, извлечения знаний и моделирования сложных нелинейных зависимостей в массивах данных [3, 4] . Рассмотрен пример применения алгоритмов деревьев решений и искусственных нейронных сетей для задач прогнозирования величины осадки по данным натурных наблюдений. Показано преимущество самоорганизующихся карт Кохонена по сравнению с регрессионным анализом данных мониторинга. Сделан вывод об эффективности использования алгоритмов Data Mining для решения прогнозных задач инженерной геодинамики. Ключевые слова: Прогнозирование осадки, проходка горных выработок, деревья решений, самоорганизующиеся карты Кохонена.
fatcat:ryaej6r3dnarpnoejmbegysbwi