En el caso de las arcillas orgánicas, la resistencia a la compresión no limitada basada en el aprendizaje automático...

Área de la Ciencia:

• Ingeniería geotécnica
• Ingeniería del petróleo
• Ciencia de los datos

Sus antecedentes:

• La resistencia a la compresión no limitada es crucial para las aplicaciones geotécnicas y energéticas.
• La estimación precisa es vital para la eficiencia de la perforación, la estabilidad del pozo y el diseño de la excavación.
• Los métodos de prueba tradicionales pueden consumir mucho tiempo y ser destructivos.

Objetivo del estudio:

• Desarrollar y validar modelos de aprendizaje automático para predecir la resistencia a la compresión no confinada en el esquisto arcilloso rico en materia orgánica.
• Integrar parámetros no destructivos y destructivos para una mayor precisión predictiva.
• Identificar los factores clave que influyen en la resistencia del esquisto.

Principales métodos:

• Se compiló un conjunto de datos de 1217 muestras de esquisto, incorporando velocidad de pulso ultrasónico, métricas de tejido de esquisto, humedabilidad y parámetros derivados del campo.
• Marco de modelo dual que utiliza la máquina de vectores de soporte, el árbol de decisión, el vecino K más cercano y los algoritmos de aumento de gradiente extremo (XGBoost).
• El rendimiento del modelo se evaluó utilizando R2, Root Mean Square Error (RMSE) y Mean Absolute Error (MAE) en conjuntos de entrenamiento y validación independientes.

Principales resultados:

• El modelo compuesto XGBoost logró la mayor precisión en el conjunto de entrenamiento (R2 = 0.981, RMSE = 0.02, MAE = 0.02).
• El modelo XGBoost demostró fuertes capacidades de generalización en un conjunto de validación independiente (R2 = 0,91).
• La velocidad ultrasónica, la relación de vacío, el ángulo de inclinación y la temperatura se identificaron como predictores críticos.

Conclusiones:

• Los modelos de aprendizaje automático, en particular XGBoost, proporcionan un enfoque escalable y basado en datos para estimar la resistencia a la compresión no limitada.
• Este método ofrece una alternativa confiable y rápida a las pruebas convencionales para la caracterización geomecánica de las formaciones de esquisto.
• Los resultados permiten diseños de ingeniería más eficientes y precisos en los sectores geotécnico y energético.