งานนี้สร้างฐานข้อมูลเชิงตัวเลขจาก finite element limit analysis ภายใต้แบบจำลอง Bolton แล้วฝึก XGBoost, Random Forest และ evolutionary polynomial regression เพื่อทำนายค่า Nγ ของฐานรากแถบบนลาดทรายแน่น XGBoost ให้ R² ทดสอบสูง 0.994, 0.943 และ 0.953 ที่มุมลาด 15, 30 และ 45 องศา แต่ความแม่นยำนี้วัดกับข้อมูลจำลองในกรอบเดียวกัน ไม่ใช่ข้อมูลภาคสนาม
ข้อค้นพบสำคัญ
- XGBoost ให้ R² ชุดทดสอบ 0.994, 0.943 และ 0.953 สำหรับลาด 15°, 30° และ 45° ตามลำดับ การวิเคราะห์ชี้ว่ากำลังบดแตกอนุภาค ความหนาแน่นสัมพัทธ์ ความกว้างฐานราก และมุมเสียดทานวิกฤตมีอิทธิพลสูง ความสำคัญของ H/B เพิ่มในลาดชัน ฐานรากกว้างขึ้นลด Nγ ผ่านการลด dilatancy ตามระดับความเค้น และเมื่อ L/B=6 ผลเข้าใกล้พื้นราบในแบบจำลอง
ทำไมจึงมีความสำคัญระดับโลก
การออกแบบฐานรากใกล้ลาดมีความเสี่ยงสูงและการคำนวณละเอียดใช้ทรัพยากร กรอบที่ให้ทั้งแบบจำลองแม่นยำและสมการอ่านได้อาจช่วยคัดกรองแบบเบื้องต้นทั่วโลก แต่ต้องผูกกับขอบเขตใช้งานและมาตรฐานความปลอดภัยอย่างเข้มงวด
บทบาทของนักวิจัยไทย
หน่วยวิจัยมหาวิทยาลัยธรรมศาสตร์พัฒนากรอบที่รวมกลศาสตร์ดิน การวิเคราะห์ขีดจำกัด และ machine learning ตั้งแต่การสร้างฐานข้อมูลจนถึงสมการสำหรับออกแบบเบื้องต้น
ข้อจำกัดที่ควรรู้
ฐานข้อมูลทั้งหมดสร้างจาก FELA สองมิติและสมมติฐาน Bolton สำหรับทรายแน่น จึงรับข้อจำกัดของแบบจำลองเดิม ค่า R² เป็นการทดสอบภายในช่วงพารามิเตอร์ ไม่ใช่การยืนยันกับการทดลองกายภาพหรือภาคสนาม ไม่ครอบคลุมดินชั้น น้ำใต้ดิน รูปฐานรากสามมิติ แรงเยื้องศูนย์ หรือความไม่แน่นอนการก่อสร้าง และไม่ควรใช้แทนวิศวกร