This study presents the development

This study presents the development of a new model obtained from the correlation of dynamic input and SPT data with pile capacity. An evolutionary algorithm, gene expression programming (GEP), was used for modelling the correlation. The data used for model development comprised 24 cases obtained from existing literature. The modelling was carried out by dividing the data into two sets: a training set for model calibration and a validation set for verifying the generalization capability of the model. The performance of the model was evaluated by comparing its predictions of pile capacity with experimental data and with predictions of pile capacity by two commonly used traditional methods and the artificial neural networks (ANNs) model. It was found that the model performs well with a coefficient of determination, mean, standard deviation and probability density at 50% equivalent to 0.94, 1.08, 0.14, and 1.05, respectively, for the training set, and 0.96, 0.95, 0.13, and 0.93, respectively, for the validation set. The low values of the calculated mean squared error and mean absolute error indicated that the model is accurate in predicting pile capacity. The results of comparison also showed that the model predicted pile capacity more accurately than traditional methods including the ANNs model.

ผลลัพธ์ (ไทย) 1:

การศึกษานี้นำเสนอการพัฒนารูปแบบใหม่ที่ได้รับจากความสัมพันธ์ของการป้อนข้อมูลแบบไดนามิกและ SPT ข้อมูลกับกองกำลัง การวิวัฒนาการขั้นตอนวิธี ยีน (GEP), การเขียนโปรแกรมใช้สำหรับสร้างแบบจำลองความสัมพันธ์ของการ ข้อมูลที่ใช้สำหรับการพัฒนาแบบจำลองประกอบด้วย 24 กรณีที่ได้รับจากวรรณกรรมที่มีอยู่ การสร้างแบบจำลองถูกดำเนินการ โดยแบ่งข้อมูลออกเป็นสองชุด: ฝึกการตั้งค่าสำหรับการปรับเทียบแบบจำลองและตรวจสอบการตั้งค่าการตรวจสอบความ generalization ของแบบจำลอง ประสิทธิภาพของรูปแบบถูกประเมิน โดยการเปรียบเทียบการคาดคะเนของกองกำลังการผลิตมีข้อมูลการทดลอง และ มีการคาดการณ์ของกองกำลังด้วยสองใช้วิธีการแบบดั้งเดิมและแบบเครือข่ายประสาทเทียม (ANNs) พบว่า แบบทำดีกับสัมประสิทธิ์ของการกำหนด ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และความหนาแน่นของความน่าเป็น 50% เท่า กับ 0.94, 1.08, 0.14, 1.05 ตามลำดับ ชุดฝึก 0.96, 0.95, 0.13 และ 0.93 ตามลำดับ ชุดตรวจสอบ ค่าต่ำสุดของการคำนวณหมายถึง ข้อผิดพลาดที่ยกกำลังสอง และหมายถึง ระบุข้อผิดพลาดที่แน่นอนว่า รูปแบบถูกต้องในการทำนายกองกำลัง ผลการเปรียบเทียบพบว่า แบบจำลองคาดการณ์กองกำลังแม่นยำกว่าวิธีแบบดั้งเดิมรวมถึงแบบ ANNs

ผลลัพธ์ (ไทย) 2:

การศึกษาครั้งนี้นำเสนอการพัฒนารูปแบบใหม่ที่ได้รับจากความสัมพันธ์ของการป้อนข้อมูลแบบไดนามิกและ SPT ข้อมูลที่มีความจุกอง อัลกอริทึมวิวัฒนาการการเขียนโปรแกรมการแสดงออกของยีน (GEP) ถูกนำมาใช้สำหรับการสร้างแบบจำลองความสัมพันธ์ ข้อมูลที่ใช้ในการพัฒนารูปแบบประกอบด้วย 24 รายที่ได้รับจากวรรณกรรมที่มีอยู่ การสร้างแบบจำลองที่ได้รับการดำเนินการโดยแบ่งข้อมูลออกเป็นสองชุด: ชุดการฝึกอบรมสำหรับการสอบเทียบรุ่นและชุดการตรวจสอบความสามารถในการตรวจสอบลักษณะทั่วไปของรูปแบบ ประสิทธิภาพการทำงานของรูปแบบที่ได้รับการประเมินโดยการเปรียบเทียบการคาดการณ์ของความจุกองกับข้อมูลการทดลองและกับการคาดการณ์ของความจุกองสองวิธีการแบบเดิมที่ใช้กันทั่วไปและเครือข่ายประสาทเทียม (ANNs) รูปแบบ มันก็พบว่ารูปแบบการดำเนินการได้ดีกับค่าสัมประสิทธิ์ของการกำหนดค่าเฉลี่ยส่วนเบี่ยงเบนมาตรฐานและความหนาแน่นของความน่าจะเป็น 50% เทียบเท่ากับ 0.94, 1.08, 0.14 และ 1.05 ตามลำดับสำหรับชุดการฝึกอบรมและ 0.96, 0.95, 0.13 และ 0.93 ตามลำดับสำหรับชุดการตรวจสอบ ค่าที่ต่ำของการคำนวณค่าเฉลี่ยกำลังสองข้อผิดพลาดและข้อผิดพลาดที่แน่นอนหมายถึงการชี้ให้เห็นว่ารูปแบบที่มีความถูกต้องในการทำนายความจุกอง ผลของการเปรียบเทียบยังแสดงให้เห็นว่ารูปแบบการคาดการณ์กำลังการผลิตเสาเข็มถูกต้องมากขึ้นกว่าวิธีการแบบดั้งเดิมรวมทั้งรูปแบบการ ANNs

ผลลัพธ์ (ไทย) 3:

การศึกษานี้เป็นการพัฒนาแบบจำลองใหม่ที่ได้จากความสัมพันธ์ของข้อมูลแบบไดนามิกและความจุข้อมูล SPT กับกอง ขั้นตอนวิธีเชิงวิวัฒนาการการเขียนโปรแกรม การแสดงออกของยีน ( เก็บ ) ที่ใช้สำหรับการจำลองแบบสหสัมพันธ์ ข้อมูลที่ใช้ในการพัฒนาแบบจำลองประกอบด้วย 24 รายที่ได้รับจากวรรณกรรมที่มีอยู่ การกระทำโดยแบ่งข้อมูลเป็นชุดชุดฝึกการสอบเทียบแบบจำลองและการตั้งค่าสำหรับการตรวจสอบความสามารถของแบบจำลอง ประสิทธิภาพของแบบประเมินโดยเปรียบเทียบของการคาดการณ์บรรทุกของเสาเข็มกับผลการทดลองและคาดคะเนบรรทุกของเสาเข็มโดยสองมักใช้วิธีการแบบเดิมและโครงข่ายประสาทเทียม ( แอนน์ ) นางแบบพบว่าแบบจำลองแสดงด้วยค่าสัมประสิทธิ์การตัดสินใจ ค่าเฉลี่ย ส่วนเบี่ยงเบนมาตรฐาน และความหนาแน่นของความน่าจะเป็นที่ 50% เท่ากับ 0.94 , 1.08 , 0.14 และ 1.05 ตามลำดับ สำหรับชุดฝึกอบรม และ 0.96 , 0.95 , 0.13 และ 0.93 ตามลำดับ สำหรับตรวจสอบการตั้งค่าค่าต่ำค่าหมายถึงยกกำลังสองข้อผิดพลาดและค่าเฉลี่ยความคลาดเคลื่อนสัมบูรณ์พบว่าโมเดลมีความถูกต้องในการพยากรณ์ความจุกอง ผลลัพธ์ของการเปรียบเทียบ พบว่า โมเดลทำนายเสาเข็มเพิ่มเติมถูกต้องกว่าวิธีแบบดั้งเดิมรวมทั้งรูปแบบทาง .