Evaluation of Uniaxial Compressive Strength of Basalts using Machine Learning Methods and Comparison of Their Performances

Abstract

Tek eksenli sıkışma dayanımı (UCS) mühendislik projelerinde en önemli tasarım parametrelerinden biri olup; bir çok projede ve sınıflama sistemlerinde doğrudan kullanılan bir parametredir. UCS’nin elde edilmesindeki güçlükler göz önüne alındığında; makine öğrenimi temelli yaklaşımlar ile tahmin edilmesi dikkat çekmektedir. Çalışma kapsamında bazalt bloklarından alınan 137 adet karot örneği üzerinde gerçekleştirilen laboratuvar deney sonuçları kullanılarak iki ayrı model elde edilmiştir. Bu modellerde görünür gözeneklilik (n), p dalga hızı (Vp) ve birim hacim ağırlık (n) değerleri girdi parametreleri olup; makine öğrenimi yöntemleri ile UCS tahmin edilmeye çalışılmıştır. Bu amaçla; Gauss Süreç Regresyonu (GSR), Destek Vektör Makineleri (DVM) ve Ağaç Toplulukları Yöntemleri (AT) olmak üzere üç farklı makine öğrenimi yöntemi kullanılmıştır. İki ayrı modele ait beş farklı veri seti için uygulanan üç ayrı makine öğrenimi yönteminin performanslarının değerlendirmesinde R2 (determinasyon katsayısı), RMSE (kök ortalama kare hata), MSE (ortalama kare hata) ve MAE (ortalama mutlak hata) performans indisleri kullanılmıştır. Buna göre; genel olarak üç ayrı makine öğrenimi yönteminin de UCS’ nin tahmininde başarılı olduğu değerlendirilmiş olmakla birlikte AT yönteminin genel olarak daha yüksek tahmin performansı verdiği belirlenmiştir.