文献

J-GLOBAL ID：202002211514263869   整理番号：20A0455438

機械学習を用いたボアホール破壊データからの原位置最大水平主応力マグニチュードの推定【JST・京大機械翻訳】

Estimation of in-situ maximum horizontal principal stress magnitudes from borehole breakout data using machine learning

著者 (4件)： Lin H. (School of Minerals and Energy Resources Engineering, University of New South Wales, Sydney, Australia) ,  Kang W.-H. (Centre for Infrastructure Engineering, Western Sydney University, Penrith, Australia) ,  Oh J. (School of Minerals and Energy Resources Engineering, University of New South Wales, Sydney, Australia) ,  Canbulat I. (School of Minerals and Energy Resources Engineering, University of New South Wales, Sydney, Australia)
資料名： International Journal of Rock Mechanics and Mining Sciences  (International Journal of Rock Mechanics and Mining Sciences)
巻： 126  ページ： Null  発行年： 2020年 
JST資料番号： D0230C  ISSN： 1365-1609  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 本論文では,機械学習に基づくメタモデリング技術,すなわちクリギングを用いて,ボアホール破壊データに基づく垂直ボアホールにおけるその場水平応力予測のための技術を提示した。このモデルは,公表された実験研究からの106のデータ点から導出された決定論的平均関数と定常Gauss過程関数に基づいて生成される。このモデルの信頼性を調べるために,公表された実験結果に対してleave-one-out交差検証プロセスを実施した。クリギング予測は最大水平主応力(σH)に対して10.59%の平均誤差を与える。合計23の現場データを,類似の深さで行った応力測定により,文献と鉱山サイトAの両方から抽出した。モデルは,σHに関する現場応力測定結果と比較して8.4%の平均予測誤差を生み出して,それはその単純さ,信頼性と低コストを考慮して注目すべきであった。本研究は,最小水平主応力(σh)値が,σHを変化させながら,しばしば一定に保たれる実験装置の性質により,σH推定に対する範囲を制限した。これは訓練データにおいて多くの繰返しσh値をもたらし,それはσhの予測を信頼できないものにする。破壊形状,応力の大きさおよび岩盤強度に関する広範囲のデータを収集することにより,この技術の精度およびパラメータ被覆率は,実際の条件でさらに改善できることが期待される。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *マグニチュード ,  応力測定 ,  *ボアホール ,  被覆率 ,  *機械学習 ,  信頼性 ,  鉱山 ,  *主応力 ,  予測誤差 ,  Gauss過程 ,  クリギング
準シソーラス用語： 訓練データ ,  決定論 ,  水平応力 ,  メタモデリング , 【Automatic Indexing@JST】

著者キーワード (5件)： ボアホールの破壊 ,  原位置応力 ,  ボアホール壁強度 ,  機械学習 ,  クリギング

分類 (4件)： その他の材料  (HC04050S) ,  岩盤力学一般  (HE01000A) ,  発破  (UA05030K) ,  坑井掘さく  (UA09020B)

タイトルに関連する用語 (6件)： 機械学習 ,  ボアホール ,  破壊 ,  主応力 ,  マグニチュード ,  推定