Clear Sky Science
הסברים מבוססי ראיות, עם מעט ז'רגון

Clear Sky Science · he

מודל IGWO‑MKRVM ניתן לפרש לחיזוי עובי אזור הפגיעה בחפירה של מנהרה

· חזרה לאינדקס

מדוע מנהרות בטוחות חשובות

כל פעם שמהנדסים חותכים מנהרה בסלע, החפירה מחריבה את הסביבה הגיאולוגית. טבעת של סלעים שסדוקים ומוחלשים נוצר סביב הפתיחה, המכונה אזור הפגיעה בחפירה. אם טבעת זו מתעבה מדי, קירות המנהרה עלולים להתעוות או אף לקרוס, מה שמסכן פועלים, תשתיות וקהילות סמוכות. הנייר המסוכם כאן מציג שיטה חדשה לחיזוי עובי אזור הפגיעה בתנאים גאולוגיים שונים, באמצעות שילוב של טכניקות למידת מכונה מודרניות ודרכי פרשנות שנועדו לאפשר למהנדסים להבין לא רק את התוצאות, אלא גם את הסיבות מאחוריהן.

Figure 1
Figure 1.

הטבעת הנסתרת של סלע מוחלש

מנהרות ותעלות תת‑קרקעיות מוקפות בסלע שנלחץ ונשבר כתוצאה מהחפירה. השכבה המושפעת הזו — עובי אזור הפגיעה בחפירה — קובעת במישרין כמה תמיכה דרושה כדי לשמור על בטיחות המנהרה. אך העובי תלוי במספר גורמים המשפיעים זה על זה: חוזק מסות הסלע, מידת השבירה והסדקים (מדד המקשרים), העומק שבו נמצאת המנהרה מתחת לפני השטח ורוחב המפגש. יחסים אלה אינם ליניאריים ומשתנים מאתר לאתר, לכן נוסחאות פשוטות ואפילו סימולציות מתקדמות לעתים קרובות אינן נותנות חזויים מדויקים ושימושיים באופן רחב. בדיקות שטח מסורתיות כמו רדאר חדירת קרקע וסקרים אקוסטיים יכולות למדוד את אזור הפגיעה, אך הן יקרות וקשות לביצוע שגרתי.

שימוש באלגוריתמים חכמים לניתוח הסלע

כדי להתמודד עם האתגר, המחברים אספו 209 מדידות שדה אמיתיות של עובי אזור הפגיעה ממכרות מסוגים שונים, כולל פחם, זהב, זרחן ועופרת. בכל מקרה רושמו ארבע תצורות קלט מרכזיות: חוזק מסות הסלע, אינדקס מקשרים המתאר את מידת השבירה של בלוקי הסלע, עומק המנהרה ורוחב המפגש. לאחר מכן בנו מודל חיזוי המשלב מנוע זיהוי תבניות חזק, שנקרא מכונת וקטורי רלוונטיות רב‑גרעינית (multi‑kernel relevance vector machine), עם שיטת אופטימיזציה משופרת בהשראת דפוס הציד של זאבים אפורים. שלב האופטימיזציה מכויל את הפרמטרים הפנימיים של המודל כדי להתאים בצורה מיטבית ליחסים המורכבים בנתונים ובאותו הזמן להיות יעיל עבור מערכי נתונים הנדסיים קטנים.

Figure 2
Figure 2.

כיצד המודל ההיברידי משפר את החיזויים

ליבה של הגישה היא שימוש בכמה "עדשות" מתמטיות פשוטות, או גרעינים, במקביל כדי לתפוס גם מגמות רחבות וגם שינויים מקומיים עדינים בתגובה של הסלע. המודל מערבב גרעינים ליניאריים, רדיאליים ולפלציאניים כדי לטפל בשינויים חלקים, קפיצות פתאומיות ומדידות רעשיות יחד. משפר הגרייה של הזאב האפור (improved grey wolf optimizer) משדרג זאת על‑ידי חקירה יסודית יותר של מרחב ההגדרות האפשריות. הוא משתמש בנקודות התחלה אקראיות מתוכננות בקפידה, במעבר לא‑ליניארי מחיפוש רחב לכוונון עדין, ובאסטרטגיה המציעה מועמדים מנוגדים כדי להימנע מהיתכנות להיתקע בבחירות מקומיות גרועות. מבחנים על בעיות תקן מראים שהאופטימיזטור המשופר מתכנס מהר יותר ובאמינות גבוהה יותר מאשר מספר אלגוריתמים מודרניים של להקות והתפתחותיים אחרים.

עלייתו על כלי החיזוי הקיימים

כשמוּשׂם על מאגר נתוני המנהרות, המודל המשולב IGWO–MKRVM סיפק חיזויים מדויקים מאוד. במקרים שלא נראו קודם לכן, הוא השיג מקדם הכרעה (coefficient of determination) מעל 0.95 ומדדי שגיאה נמוכים מאוד, כלומר העובי החזוּה של אזור הפגיעה התאמה במידה רבה למדידות השדה. המחברים השוו אותו לכלי־יסוד מגוונים, כולל רשתות עצביות קלאסיות, רגרסיית תהליך גאוסי, היברידים מבוססי מכונת וקטורים תומכת ורנדום פורסט מכויל. בכל מקרה, המודל החדש הניב שגיאות קטנות יותר וביצועים יציבים יותר, והדגים גם יכולת התאמה חזקה וגם הכללה חסונה לתנאים גאולוגיים חדשים.

פתיחת תיבת השחורה של למידת מכונה

מכיוון שהמהנדסים נדרשים להצדיק החלטות בטיחותיות, המחברים התמקדו גם בהפיכת המודל לפרשני. הם השתמשו במסגרת הסבר מודרנית בשם SHAP, שמתייחסת לכל קלט כשחקן במשחק שיתופי ומחשבת עד כמה הוא תורם לכל חיזוי. ניתוח זה חשף שהאינדקס של המקשרים והעומק של המנהרה הם המניעים הדומיננטיים של עובי אזור הפגיעה: סלעים מרבדים ובעלי מקשרים רבים ועומקים גדולים נוטים לייצר טבעות פגיעה עבות בהרבה. גם רוחב המפגש וחוזק הסלע משפיעים, אך במידה פחותה — מרחבים גדולים מגבירים נזק, בעוד שסלע חזק יותר נוטה להגבילו. השיטה חושפת בנוסף כיצד גורמים אלה באים במגע זה עם זה, למשל מראה שמנהרות עמוקות בסלעים חלשים ובעלי מקשרים רבים חשופות במיוחד.

מה זה אומר עבור בטיחות תת‑קרקעית

במילים פשוטות, המחקר מציע למהנדסים מחשבון חכם יותר לחיזוי עד כמה הנזק יחלחל לתוך הסלע סביב מנהרה, ותובנה ברורה אילו תנאים מחמירים את הנזק. באמצעות שילוב של מנוע למידה מכוּן בקפידה עם ניתוח שקוף של חשיבות התכונות, השיטה לא רק מתעלה על מודלים קיימים אלא גם בונה אמון בהמלצותיה. זה יכול לסייע למתכננים לבחור צורות מנהרה בטוחות יותר, מערכות תמיכה ואסטרטגיות חפירה המותאמות לגאולוגיה המקומית, ובסופו של דבר להפחית את הסיכון לנפילות סלעים וקריסות בעבודות תת‑קרקעיות.

ציטוט: Yang, R., Zhang, G., Ye, Y. et al. An interpretable IGWO-MKRVM model for predicting excavation damaged zone thickness of drift. Sci Rep 16, 13548 (2026). https://doi.org/10.1038/s41598-026-42835-y

מילות מפתח: יציבות מנהרות, מכניקת סלעים, למידת מכונה, כרייה תת‑קרקעית, בטיחות גאוטכנית