Gradient Boosting-Based Computational Method for Predicting Uniaxial Compressive Strength of Cemented Hydraulic Backfill

في أعماق ما تحت سطح الأرض، حيث يستخرج عمال المناجم الموارد القيمة، تُترك مساحات فارغة شاسعة. وإذا لم يتم دعم هذه الفراغات، فقد تنهار الأرض فوقها، مما يخلق بيئة خطرة على العمال ويهدد استقرار العملية برمتها. ولمنع حدوث ذلك، يقوم المهندسون بملء هذه الغرف الفارغة بمزيج خاص يُعرف باسم الردم الهيدروليكي الأسمنتي. هذه المادة هي في الأساس عبارة عن ملاط مكون من الصخور النفايات المسحوقة، ومخلفات عملية التعدين، والماء، والأسمنت. وبمجرد ضخها في الفراغات الموجودة تحت الأرض، تتصلب بمرور الوقت، لتعمل كأرضية صلبة تدعم سقف المنجم وتسمح باستخراج متبقي المعادك بشكل أكثر أماناً وكفاءة. ويُعد القدرة على مقاومة السحق تحت الضغط المقياس الأكثر أهمًا لمدى جودة أداء هذا الردم، وهي خاصة يطلق عليها المهندسون اسم قوة الضغط أحادي المحور. إن التنبؤ بهذه القوة بدقة أمر حيوي؛ فإذا كان المزيج ضعيفاً جداً، فقد يفشل المنجم، ولكن إذا تم الإفراط في هندسته، فسيصبح المشروع مكلفاً بلا داعٍ.

لعقود من الزمن، اعتمد تحديد المزيج الصحيح من المكونات على التجربة والخطأ أو المعادلات البسيطة التي غالباً ما تخفق في إدراك الطرق المعقدة وغير الخطية لتفاعل هذه المواد مع بعضها البعض. تقدم دراسة جديدة نشرها باحثون من جامعة الصين للتعدين وشركاء دوليون نهجاً مختلفاً. فبدلاً من الاعتماد على المعادلات التقليدية، توجهوا إلى عائلة من الخوارزميات الحاسوبية المتقدمة المعروفة باسم "آلات تعزيز التدرج" (gradient boosting machines). وهذه الأدوات قوية، حيث تتعلم من البيانات عبر بناء سلسلة من النماذج البفيعة، بحيث يقوم كل نموذج بتصحيح أخطاء النموذج السابق، لإنشاء متنبئ عالي الدقة. وقد جمع الباحثون مجموعة بيانات ضخمة تضم 1,641 مثالاً من الواقع، سجلوا فيها الكميات المحددة من الأسمنت المستخدم، ومدة وقت المعالجة، وتركيز المواد الصلبة في المزيج، ونسبة الركام إلى المخلفات. ثم قاموا بتغذية هذه المعلومات في أربعة أنواع مختلفة من خوارزميات التعلم هذه لمعرفة أي منها يمكنه التنبؤ بأفضل شكل بقوة الردم المتصلب النهائي.

اختبرت الدراسة عدة متغيرات لهذه النماذج التعليمية، بما في ذلك LightGBM وCatBoost وAdaBoost وآلة تعزيز التدرج القياسية (Gradient Boosting Machine). ولم يكن الهدف مجرد إيجاد نموذج يمكنه تخمين القوة، بل إيجاد نموذج يمكنه القيام بذلك بشكل موثوق على بيانات جديدة غير مرئية دون الارتباك بسبب الضجيج في المعلومات. وبعد تدريب النماذج على 80 بالمائة من البيانات واختبارها على الـ 20 بالمائة المتبقية، كانت النتائج واضحة. فقد برز نموذج "آلة تعزيز التدرج" القياسي كأكثر الأدوات فعالية؛ حيث حقق مستوى عالٍ من الدقة، وتنبأ بقيم القوة بدرجة إحصائية بلغت 0.86 على بيانات الاختبار، مع الحفاظ على متوسط خطأ منخفض جداً. وكان هذا الأداء متفوقاً على النماذج الأخرى، التي إما عانت في التعميم على بيانات جديدة أو أنتجت نتائج أقل اتساقاً. وتشير النتائج إلى أن هذا النوع المحدد من الخوارزميات مناسب بشكل خاص لالتقاط العلاقات المعقدة بين المكونات والقوة النهائية.

وبعيداً عن مجرد إجراء التنبؤ، أراد الباحثون فهم السبب وراء القرارات التي اتخذتها النماذج. ففي العديد من الأنظمة الحاسوبية المتقدمة، تكون الآليات الداخلية بمثابة "صندوق أسود"، مما يعني أنه حتى المبتكرون لا يمكنهم بسهء شرح كيف تؤدي المدخلات إلى مخرجات معينة. ولحل هذه المشكلة، استخدم الفريق تقنية تسمى "تحليل SHAP"، والتي تعمل مثل تسليط الضوء، حيث تكشف بالضبط مقدار مساهمة كل مكون في النتيجة النهائية. وقد أظهر التحليل أن عاملين قد هيمنوا على النتيجة: كمية الأسمنت في المزيج، والوقت المخصص لمعالجة المادة. وكان لهذين المتغيرين التأثير الإيجابي الأكبر على القوة. وفي المقابل، كان لتركيز المواد الصلبة ونسبة الركام إلى المخلفات تأثير أصغر بكثير على النتيجة النهائية. وتعد هذه الرؤية أمراً بالغ الأهمية للمهندسين، لأنها تخبرهم بالضبط أين يجب أن يركزوا اهتمامهم عند تصميم المزيج لضمان السلامة والاستقرار.

تخلص الدراسة إلى أن استخدام نماذج تعلم الآلة القابلة للتفسير يوفر طريقة موثوقة وشفافة لتصميم الردم الهيدروليكي الأسمنتي. ومن خلال التنبؤ بدقة بمدى قوة المادة حتى قبل صبها، يمكن لعمليات التعدين تحسين تصميمات المزيج الخاصة بها، مما قد يوفر المال في المواد مع ضمان بقاء البيئة تحت الأرض آمنة. ويؤكد الباحثون أنه بينما يعد نموذجهم خطوة مهمة للأمام، فإنه يكون أكثر فعالية عند استخدامه كأداة لدعم القرار جنباً إلى جنب مع التقدير الهندسي التقليدي. كما يقترحون أن العمل المستقبلي يمكن أن يتضمن اختبار هذه النماذج مقابل قياسات ميدانية واقعية لزيادة دقتها. وفي نهاية المطاف، يقدم هذا البحث مساراً أوضح لتعدين أكثر أماناً تحت الأرض، محولاً البيانات المعقدة إلى إرشادات عملية للمهندسين الذين يحافظون على استقرار المناجم.