Prediction of spray dust suppression time for blasting dust in tunnel using CFD and Operon symbolic regression
यह अध्ययन प्रदर्शित करता है कि ओपेरॉन (Operon) सिम्बोलिक रिग्रेशन एल्गोरिदम टनल ब्लास्टिंग में स्प्रे डस्ट सप्रेशन समय की भविष्यवाणी करने के लिए एक अत्यधिक सटीक, कुशल और व्याख्या योग्य स्पष्ट अभिव्यक्ति प्रदान करता है, जो अन्य विभिन्न मशीन लर्निंग और रिग्रेशन विधियों से बेहतर प्रदर्शन करते हुए कम्प्यूटेशनल लागत को काफी कम कर देता है।
मूल पेपर CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें
जब ठोस चट्टान के माध्यम से एक सुरंग को विस्फोट करके खोला जाता है, तो हवा धूल के घने, दमघोंटू बादल से भर जाती है। यह केवल एक असुविधा नहीं है; यह उन श्रमिकों के लिए एक गंभीर खतरा है जिन्हें निर्माण कार्य जारी रखने के लिए उस स्थान में प्रवेश करना होता है। हवा को साफ करने के लिए, इंजीनियर उच्च-दबाव वाले पानी के स्प्रे का उपयोग करते हैं जो एक महीन धुंध में बदल जाते हैं, जिससे धूल के कण पकड़े जाते हैं और उनका वजन बढ़ जाता है ताकि वे जमीन पर गिर सकें। चुनौती यह जानने की है कि पानी को ठीक कितनी देर तक चालू रखना है। यदि स्प्रे बहुत जल्दी रुक जाता है, तो खतरनाक धूल शेष रह जाती है। यदि यह बहुत लंबे समय तक चलता है, तो कीमती समय और पानी दोनों बर्बाद होते हैं। अतीत में, सटीक समय का पता लगाने के लिए हजारों जटिल कंप्यूटर सिमुलेशन चलाने की आवश्यकता होती थी, जो एक ऐसी प्रक्रिया थी जो सटीक तो थी लेकिन बेहद धीमी और महंगी थी।
शोधकर्ताओं की एक टीम इस महत्वपूर्ण समय का पूर्वानुमान लगाने के लिए एक तेज़ तरीका खोजने के उद्देश्य से निकली। उन्होंने चीन में एक एकल रेलवे सुरंग पर ध्यान केंद्रित किया, जहाँ की चट्टान एक कठोर प्रकार की ग्रेनाइट है जिसे 'नीसिकिक ग्रेनोडायोराइट' (gneissic granodiorite) के रूप में जाना जाता है। केवल धीमे कंप्यूटर मॉडल पर निर्भर रहने के बजाय, उन्होंने वास्तविक दुनिया के मापों को एक नए प्रकार के गणितीय खोज उपकरण के साथ जोड़ा। यह उपकरण, जिसे 'सिंबोलिक रिग्रेशन' (symbolic regression) कहा जाता है, एक वैज्ञानिक की तरह कार्य करता है जो डेटा के ढेर को देख सकता है और उस सटीक गणितीय वाक्य को लिख सकता है जो इसकी व्याख्या करता है, न कि केवल एक संख्या का अनुमान लगाता है। लक्ष्य एक सरल, स्पष्ट सूत्र बनाना था जिसका उपयोग इंजीनियर तुरंत यह जानने के लिए कर सकें कि विस्फोट के बाद कितनी देर तक पानी का छिड़काव करना है, जिससे यह सुनिश्चित हो सके कि हवा सुरक्षित है और संसाधनों की बर्बादी भी नहीं हो रही है।
शोधकर्ताओं ने एक वास्तविक ब्लास्टिंग घटना को देखते हुए शुरुआत की। उन्होंने धूल के संचलन और उसके साफ होने में लगने वाले समय को मापने के लिए सुरंग के फर्श के साथ सेंसर लगाए। उन्होंने पाया कि धूल की सांद्रता दो बार बढ़ी, और बीच में एक गिरावट आई, जो 2100 मिलीग्राम प्रति घन मीटर के खतरनाक शिखर तक पहुँच गई। सुरंग के अंदर हवा लगभग 0.2 मीटर प्रति सेकंड की धीमी गति से चल रही थी। इसके पीछे के भौतिक विज्ञान को समझने के लिए, उन्होंने सुरंग का एक विस्तृत कंप्यूटर मॉडल बनाया। इस मॉडल ने हवा, पानी की बूंदों और धूल के कणों के एक-दूसरे के साथ होने वाली अंतःक्रिया का अनुकरण किया। उन्होंने नोजल के विभिन्न आकार, विभिन्न पानी के दबाव और स्प्रे के विभिन्न कोणों का परीक्षण किया ताकि यह देखा जा सके कि प्रत्येक परिवर्तन से हवा के सुरक्षित होने में लगने वाले समय पर क्या प्रभाव पड़ता है।
डेटा की विशाल मात्रा को समझने के लिए, टीम ने एक संरचित प्रयोग तैयार किया। उन्होंने पांच अलग-अलग कारकों का परीक्षण किया: पहले नोजल का आकार, दूसरे नज़ल का दबाव, दूसरे नोजल का कोण, स्प्रे रिंगों के बीच की दूरी, और सुरंग में भेजी जाने वाली हवा का आयतन। उन्होंने इन सेटिंग्स के 25 अलग-अलग संयोजनों को चलाया। सबसे महत्वपूर्ण कारक सुरंग में भेजी जाने वाली हवा का आयतन निकला, जिसके बाद स्प्रे नोजल का कोण आया। स्प्रे रिंगों के बीच की दूरी का प्रभाव सबसे कम रहा। उन्होंने पाया कि उनके विशिष्ट सुरंग के लिए सबसे अच्छा सेटअप 1.6 मिलीमीटर व्यास का नोजल, 5 मेगापास्कल का स्प्रे दबाव, 40 डिग्री का स्प्रे कोण, रिंगों के बीच 60 मीटर की दूरी और 28 क्यूबिक मीटर प्रति सेकंड की वायु आपूर्ति वाला सेटअप था।
इस डेटा के साथ, शोधकर्ता सिंबोलिक रिग्रेशन एल्गोरिदम की ओर मुड़े, जो स्प्रे सेटिंग्स और धूल साफ होने के समय के बीच के संबंध को समझाने के लिए सबसे अच्छे गणितीय व्यंजक (expression) की खोज करता है। उन्होंने इस पद्धति की तुलना रैंडम फॉरेस्ट और सपोर्ट वेक्टर मशीन जैसी कई अन्य सामान्य कंप्यूटर लर्निंग तकनीकों से की। जबकि वे अन्य विधियाँ प्रशिक्षण डेटा को याद करने में बहुत अच्छी थीं, वे नई स्थितियों की सटीक भविष्यवाणी करने में विफल रहीं, जिसे 'ओवरफिटिंग' (overfitting) की समस्या कहा जाता है। सिंबोलिक रिग्रेशन विधि, विशेष रूप से 'ओपेरॉन' (Operon) नामक उपकरण, सबसे अच्छा प्रदर्शन कर रहा था। इसने एक ऐसा सूत्र खोजा जो सटीकता और सरलता के बीच संतुलन बनाता है, और नए डेटा पर परीक्षण किए जाने पर अन्य विधियों की तुलना में काफी अधिक सटीकता प्राप्त की।
अंतिम परिणाम एक विशिष्ट समीकरण है जो स्प्रे सेटिंग्स के आधार पर धूल के दमन के समय की भविष्यवाणी करता है। शोधकर्ताओं ने नोट किया कि समीकरण में कुछ उतार-चढ़ाव और लहरें थीं, जिसे उन्होंने इस तथ्य से समझाया कि धूल सुरंग में हर जगह एक ही समय में समान रूप से साफ नहीं होती है। कुछ स्थानों पर धूल के पॉकेट बन जाते हैं, जबकि अन्य स्थानों पर यह जल्दी साफ हो जाती है। यह सूत्र इस अनिश्चितता को पकड़ लेता है। जब उन्होंने अपने सर्वश्रेष्ठ प्रदर्शन करने वाले समीकरण का परीक्षण किया, तो इसने भविष्यवाणी की कि इष्टतम सेटअप के लिए धूल औसतन लगभग 459 सेकंड में साफ हो जाएगी, जबकि सबसे खराब स्थिति में इसमें लगभग 710 सेकंड लगेंगे। उनके सिमुलेशन में, पानी की बूंदें 100 सेकंड के भीतर स्थिर हो गईं, और बड़ी बूंदें सुरंग के मध्य भाग के पास बैठ गईं, जबकि महीन धुंध आगे की रेखा तक पहुँच गई।
यह अध्ययन टनल इंजीनियरों के लिए एक व्यावहारिक उपकरण प्रदान करता है। हर नए प्रोजेक्ट के लिए घंटों के जटिल कंप्यूटर सिमुलेशन चलाने के बजाय, अब वे इस सूत्र का उपयोग अपने वाटर स्प्रे को कितनी देर तक चलाने का अनुमान लगाने के लिए कर सकते हैं। शोधकर्ता इस बात पर जोर देते हैं कि यह दृष्टिकोण केवल डेटा फिटिंग से आगे बढ़कर वास्तव में उन अंतर्निहित नियमों की खोज करता है जो धूल साफ होने की प्रक्रिया को नियंत्रित करते हैं। हालांकि वर्तमान मॉडल एक विशिष्ट प्रकार की रेलवे सुरंग की विशिष्ट स्थितियों पर आधारित है, लेकिन यह विधि भविष्य में जटिल टनल वातावरण के लिए तेज़ और अधिक विश्वसनीय भविष्यवाणियों की दिशा में एक मार्ग प्रदान करती है। यह कार्य प्रदर्शित करता है कि भौतिक सिमुलेशन को इंटेलिजेंट गणितीय खोज के साथ जोड़कर, एक धीमी और महंगी इंजीनियरिंग समस्या को एक त्वरित, समाधान योग्य गणना में बदला जा सकता है।
अपने क्षेत्र के पेपरों की भीड़ में उलझे हुए हैं?
आपके रिसर्च कीवर्ड से मेल खाने वाले सबसे नए और अलग सोच वाले पेपरों का रोज़ाना Digest पाएँ—तकनीकी सारांश के साथ, आपकी भाषा में।