Ushbu tadqiqot ultra katta diametrli shlamli qalqon tunnel qazish mashinasining qazishning dastlabki bosqichidagi siljish tezligini atigi 271 halqa darajasidagi kuzatuv asosida bashorat qilish uchun Tabular Prior-Data Fitted Networks (TabPFN) va SHapley Additive exPlanations (SHAP) usullarini birlashtirgan. Jiangyin–Jingjiang Yangtze daryosi tunnelining 1–271-raqamli halqalaridan olingan geologik va ekspluatatsion ma’lumotlardan foydalanilgan, dastlabki 36 oʻzgaruvchidan 12 ta vakillik qiluvchi oʻzgaruvchi tanlangan va jami 12 ta bashorat modeli taqqoslangan. TabPFN birlashtirilgan validatsiya va test namunalarida 0,613 mm/dk oʻrtacha mutlaq xato, foiz 2,080 oʻrtacha mutlaq foiz xatosi, 0,901 mm/dk ildiz oʻrtacha kvadrat xato va 0,960 R² qiymati bilan eng muvaffaqiyatli model boʻlgan. Biroq tadqiqot bitta tunneldan, atigi 271 halqadan va 54 ta validatsiya-test namunasidan olingan hakamlikdan oldingi natijalarga asoslanadi; model boshqa tunnel loyihasida tashqi tarzda tasdiqlanmagan.

SHAP tahlillari model siljish tezligini bashorat qilishda eng koʻp shlam inyeksiya debiti va zichligidan foydalanganini; kesuvchi kallak tezligi, chiqarish shlami zichligi, qazilgan materialni chiqarish debiti va umumiy itish kuchi ham muhim hissa qoʻshganini koʻrsatgan. Umumlashtirilgan additiv modellar zamin siqilish moduli, koheziya, koʻtarish qobiliyati va periferik ishqalanish bilan siljish tezligi oʻrtasida chiziqli boʻlmagan chegaralar mavjudligini aniqlagan. Tadqiqotchilar bu bogʻlanishlarni geologik zonalash, itish kuchini sozlash, kesuvchi kallak–shlam moslashtirishi va chiqarish quvvatini boshqarishga qaratilgan inson nazoratidagi qaror tavsiyalariga aylantirgan.

Tadqiqot taklif qilgan tizim toʻliq avtomatik tunnel boshqaruvi emas. Sun’iy intellekt modeli siljish tezligi bashorati va oʻzgaruvchilarning hissalarini taqdim etadi, yakuniy qarorni esa dala muhandislari zamin sharoitlari, mashina xatti-harakati, xavfsizlik chegaralari va qurilish tajribasini baholab qabul qilishi koʻzda tutilgan. Bu farq muhim; SHAP qiymatlari model ma’lumotlar ichida oʻrgangan munosabatlarni tushuntiradi, muayyan parametr oʻzgarishi dalada aniq va sababiy natija berishini isbotlamaydi.

Turkiya nuqtai nazaridan: TabPFN-SHAP yondashuvi Turkiyada amalga oshirilayotgan katta diametrli qalqon tunnel loyihalarida qazishning ilk bosqichlaridan boshlab cheklangan ma’lumotdan foydalanib siljish tezligini bashorat qilish, sensor ma’lumotlari sifatini nazorat qilish va muhandis tomonidan qoʻllab-quvvatlanadigan parametrlarni baholash uchun oʻrganilishi mumkin. Qoʻllashdan oldin model Turkiyadagi turli zaminlar, mashina diametrlari, shlam tizimlari, sensor infratuzilmalari va ekspluatatsiya tartiblariga mos ravishda qayta oʻqitilishi yoki kalibrlanishi kerak. Ma’lumotlarni boʻlish usuli halqalar ketma-ketligini saqlaydigan tarzda sinovdan oʻtkazilishi va model mustaqil bir Turk tunnelida istiqbolli tarzda tasdiqlanishi lozim. Tadqiqotdagi itish, tezlik, zichlik va bosim chegaralari Jiangyin–Jingjiang tunneliga xosdir; Turkiya uchun bevosita xavfsiz ekspluatatsiya chegarasi sifatida ishlatib boʻlmaydi.

Tadqiqotning asosiy muammosi nima?

Qalqon tunnel qazish mashinalarida siljish tezligi qurilish muddatini, xarajatni va ekspluatatsiya xavfsizligini bevosita belgilaydigan asosiy samaradorlik koʻrsatkichlaridan biridir. Biroq siljish tezligi faqat mashina quvvatiga bogʻliq emas. Zamin mustahkamligi, koheziya, koʻtarish qobiliyati, kesuvchi kallak aylanish tezligi, itish kuchi, shlam zichligi, aylanish debiti va qazilgan materialni chiqarish quvvati birgalikda ta’sir qiladi.

Bu murakkablik gil va qum kabi turli qatlamlar bir xil qazish yuzasida mavjud boʻlgan murakkab zaminlarda yanada yaqqol. Bitta parametrni alohida oshirish har doim ham tezroq siljishni ta’minlamaydi. Masalan, kesuvchi kallak tezligini oshirish ayrim sharoitlarda kesish quvvatini koʻpaytirishi mumkin boʻlsa, boshqa sharoitlarda yuzaning buzilishini, ishqalanishni, mayda zarracha hosil boʻlishini va shlam tashish qarshiligini oshirishi mumkin.

Tadqiqot nishonga olgan asosiy boʻshliq qazishning dastlabki davrida yetarli ma’lumot yoʻqligidir. An’anaviy mashina oʻrganishi va chuqur oʻrganish modellari odatda uzoq muddatli qazishdan yigʻilgan katta ma’lumotlar toʻplamlariga ehtiyoj sezadi. Holbuki, muhandislar mashina parametrlarini sozlashga eng koʻp ehtiyoj sezadigan davrlardan biri atigi bir necha yuz halqa ma’lumoti mavjud boʻlgan boshlangʻich bosqichdir.

Oʻrganilgan tunnel va mashina qanday xususiyatlarga ega?

Tadqiqot Xitoydagi Jiangyin–Jingjiang Yangtze daryosi tunnelining qalqon bilan qazilgan qismiga asoslangan. Loyihada qazish diametri 16,03 metr boʻlgan shlam muvozanatli qalqon mashinasi ishlatilgan. Tunnel qoplamasining tashqi diametri 15,5 metr, ichki diametri 14,2 metr va segment qalinligi 650 millimetrdir.

Qazish yuzi Toʻrtlamchi davr yotqiziqlari ichida harakatlanib, gilli va qumli zaminlarning turli nisbatdagi birikmasidan iborat. Yuqori qismlarda odatda changli gil, chang va changli qum; quyi qismlarda esa zichroq va oʻtkazuvchan mayda yoki oʻrta qum qatlamlari mavjud. Bir nechta qatlam bir xil qazish yuzasida mavjud boʻlgani sababli har bir halqaning geologik oʻzgaruvchilari qatlamlarning qazish yuzasidagi maydon ulushlariga koʻra vaznli oʻrtacha qilib hisoblangan.

3-rasmda qatlam nisbatlari 1-halqadan 271-halqagacha uzluksiz oʻzgargani koʻrinadi. Bu oʻzgarish yuz barqarorligi, shlam muvozanati, kesish qarshiligi va chiqarish sharoitlari qazish davomida doimiy qolmaganini koʻrsatadi. Shu sababli model duch kelgan muammo faqat tezlikni bashorat qilish emas, balki uzluksiz oʻzgarayotgan zamin–mashina mosligini oʻrganishdir.

Xom ma’lumotlar qanday tozalangan?

Xom mashina yozuvlari besh daqiqalik vaqt oraligʻida qayd etilgan. Takrorlangan qiymatlar va mashina ishlamagan toʻxtash davrlari chiqarilgach, 3.468 ta haqiqiy vaqt nuqtasi qolgan. Sensor xatolari, qisqa muddatli quvvat sakrashlari, mexanik tebranishlar va zamin oʻtishlari sababli yuzaga kelishi mumkin boʻlgan anomal yozuvlar Isolation Forest usuli bilan aniqlangan.

Isolation Forest ma’lumotlarni tasodifiy boʻlib, kuzatuvning boshqa kuzatuvlardan qanchalik oson ajratilishini oʻlchaydi. Qisqa ajratish yoʻllariga ega kuzatuvlar yuqoriroq anomaliya balli oladi. Tadqiqotda qaror chegarasi quyidagi miqdoriy munosabat bilan belgilangan:

\[ T=\operatorname{Quantile}_{1-\alpha}(\mathrm{score}_i),\quad i=1,2,\ldots,N \]

• T, anomaliya qaror chegarasidir.
• score_i, i-raqamli kuzatuvning anomaliya ballidir.
• N, jami kuzatuvlar sonidir.
• α, ma’lumotda mavjud deb faraz qilingan anomal kuzatuvlar ulushidir.

Tadqiqotchilar dala tajribasiga asoslanib kontaminatsiya nisbatini foiz 5 deb belgilagan. Avtomatik hosil boʻlgan anomaliya chegarasi 0,53859. Algoritm 214 ta yozuvni anomal deb tasniflagan; bu son jami ma’lumotning taxminan foiz 4,95 qismiga teng. 4-rasmdagi gistogramma chegara chizigʻini, t-SNE vizualizatsiyasi esa anomal namunalar klasterlarning chekkalari va ajralgan hududlarda toʻplanganini koʻrsatadi.

Aniqlangan anomaliyalar bevosita oʻchirib tashlanmagan, spline interpolyatsiyasi bilan tuzatilgan. Bu yondashuv ma’lumot uzluksizligini saqlashi mumkin; biroq haqiqiy va muhim ekspluatatsion ekstremal holat ham silliqlanishi ehtimoli mavjud. Tadqiqot tuzatilgan har bir yozuv dala voqealari jurnali bilan alohida tasdiqlangan yoki tasdiqlanmaganini koʻrsatmaydi.

Nega vaqt yozuvlari halqa darajasiga aylantirilgan?

Besh daqiqalik ma’lumotlar qisqa muddatli tebranishlarni koʻrsatsa, tunnel siljishi jismonan halqa raqami boʻylab amalga oshadi. Tadqiqotchilar bir halqa qazilishi davomida qayd etilgan koʻp vaqt nuqtalarini oʻrtachalagan va asosiy tahlil birligini halqa sifatida belgilagan. Shu tariqa vaqtga asoslangan 3.468 ta yozuv 271 ta halqa darajasidagi namunaga aylantirilgan.

Bu amal vaqtinchalik sensor va ekspluatatsiya tebranishlarining ta’sirini kamaytirib, geologik xususiyatlar bilan mashina parametrlarini bir xil fazoviy birlikda taqqoslashga imkon bergan. Biroq halqa ichidagi qisqa muddatli kritik hodisalar oʻrtacha qiymat ichida yoʻqolishi mumkin. Model besh daqiqalik toʻsatdan xavflarni emas, halqa boʻylab oʻrtacha siljish tezligini bashorat qiladi.

Ma’lumotlar qanday boʻlingan va standartlashtirilgan?

Halqa darajasidagi ma’lumotlar toʻplami foiz 80 oʻqitish, foiz 10 validatsiya va foiz 10 test tarzida boʻlingan. Natijada oʻqitish toʻplamida 217, validatsiya toʻplamida 28 va test toʻplamida 26 halqa mavjud. Validatsiya toʻplami modelni sozlash va xususiyat tanlash uchun, test toʻplami esa koʻrilmagan namunalarda samaradorlikni baholash uchun ishlatilgan.

Oʻzgaruvchilar turli fizik birliklarga ega boʻlgani sababli z-ball standartlashtirish qoʻllangan:

\[ x'=\frac{x-\mu}{\sigma} \]

• x, asl oʻlchovdir.
• μ, tegishli oʻzgaruvchining oʻrtacha qiymatidir.
• σ, oʻzgaruvchining standart ogʻishidir.
• x', oʻlchovsiz standartlashtirilgan qiymatdir.

Standartlashtirish, masalan, kilopaskalda ifodalangan koʻtarish qobiliyati bilan g/cm³ da ifodalangan shlam zichligi faqat sonli masshtabi sababli modelga turlicha ogʻirlik bilan kirishini oldini olishga qaratilgan.

Matnda foiz 80–10–10 boʻlinishi halqalar ketma-ketligiga koʻra xronologik yoki fazoviy bloklar shaklidami yoki tasodifiymi, aniq koʻrsatilmagan. Yonma-yon halqalar oʻxshash zamin va ekspluatatsiya sharoitlariga ega boʻlishi mumkinligi sababli bu tafsilot haqiqiy umumlashtirish samaradorligini baholashda muhimdir.

TabPFN nima va kichik ma’lumot bilan qanday ishlaydi?

Tabular Prior-Data Fitted Networks jadval koʻrinishidagi ma’lumotlar uchun oldindan oʻqitilgan fundamental modeldir. An’anaviy modellar har bir yangi loyiha ma’lumotlar toʻplamida koʻplab parametrlarni boshidan oʻrgansa, TabPFN katta miqdordagi sintetik jadval ma’lumotlaridan oldindan oʻrgangan naqshlarni yangi ma’lumotlar toʻplamiga kontekst ichida qoʻllaydi.

2-rasmda model etiketlangan oʻqitish namunalari bilan etiketlari noma’lum test namunasini bir xil kirish oqimida qabul qiladi. Ikki oʻlchovli attention qatlamlarining bir qismi xususiyatlar oʻrtasidagi, boshqa qismi esa namunalar oʻrtasidagi munosabatlarni qayta ishlaydi. Yakuniy koʻp qatlamli perceptron qatlami siljish tezligining nuqtaviy bashorati bilan birga bashorat taqsimotini ishlab chiqaradi.

Tadqiqotda TabPFNning bashorat mantiqi Bayes integratsiyasi koʻrinishida ifodalangan:

\[ p(y\mid x,D)=\int p(y\mid x,q)\,p(q\mid D)\,dq \]

• D, oʻqitish ma’lumotlar toʻplamidir.
• x, siljish tezligi bashorat qilinadigan yangi namunadagi xususiyatlardir.
• y, bashorat qilingan siljish tezligidir.
• q, mumkin boʻlgan model parametrlarini ifodalaydi.
• p(q|D), ma’lumotlar kuzatilgandan keyin model parametrlari boʻyicha taqsimotdir.
• p(y|x,q), muayyan parametrlar ostida yangi namunaning bashorat taqsimotidir.

Formula bitta qat’iy parametrlar toʻplamiga tayanish oʻrniga, mumkin boʻlgan parametrlar boʻyicha bashoratlarni integratsiyalashni ifodalaydi. Tadqiqotning asosiy farazi oldindan oʻrganilgan jadval ma’lumotlari naqshlari kichik tunnel ma’lumotlar toʻplamida an’anaviy modellarga qaraganda barqarorroq bashorat berishi mumkinligidir.

TabPFN xususiyat tanlash uchun qanday ishlatilgan?

Dastlab 36 ta geologik va ekspluatatsion oʻzgaruvchi mavjud boʻlsa, atigi 271 ta halqa namunasi bor. Oʻzgaruvchilar sonining namuna soniga nisbatan yuqori boʻlishi ortiqcha murakkablik va beqarorlik keltirib chiqarishi mumkin. Shu sababli tadqiqotchilar TabPFNni nafaqat bashorat modeli, balki oldinga yoʻnaltirilgan xususiyat tanlash baholovchisi sifatida ham ishlatgan.

Jarayon boʻsh xususiyatlar toʻplamidan boshlangan. Har bosqichda tanlanmagan oʻzgaruvchilardan bittasi mavjud toʻplamga qoʻshilgan, hosil boʻlgan nomzod toʻplam besh qatlamli kross-validatsiya bilan baholangan va oʻrtacha validatsiya kvadrat xatosini eng koʻp kamaytirgan oʻzgaruvchi saqlab qolingan. 5-rasmda xato dastlabki xususiyatlarda tez kamayib, 12 xususiyatdan keyin taxminan tekislanadi. Tadqiqotchilar aniqlik va model soddaligini birga hisobga olib, 12 oʻzgaruvchini tanlagan.

Qaysi modellar taqqoslangan?

TabPFN LightGBM, XGBoost, CatBoost, TABM, tayanch vektor regressiyasi, tasodifiy oʻrmon, koʻp qatlamli perceptron, qaror daraxti, ekstremal oʻrganish mashinasi, Bayes regressiyasi va gradient boosting regressori bilan taqqoslangan. XGBoost, CatBoost va tasodifiy oʻrmon kabi sozlanadigan modellarda grid qidiruvi va kross-validatsiya ishlatilgan; TabPFN va TABM esa oldindan belgilangan arxitekturasi bilan qoʻllangan.

Samaradorlik quyidagi koʻrsatkichlar bilan baholangan:

• MAE: Bashorat bilan haqiqiy qiymat orasidagi mutlaq farqlarning oʻrtachasi.
• MAPE: Mutlaq xatoning haqiqiy qiymatga nisbatining foiz koʻrinishidagi oʻrtachasi.
• MSE: Xatolar kvadratining oʻrtachasi; katta xatolarga koʻproq ogʻirlik beradi.
• RMSE: MSEning kvadrat ildizi boʻlib, siljish tezligi bilan bir xil birlikka ega.
• R²: Model siljish tezligidagi oʻzgaruvchanlikning qancha qismini tushuntirishini koʻrsatadi.

TabPFN eng yaxshi an’anaviy taqqoslash modeli boʻlgan tasodifiy oʻrmonga nisbatan MAEni 0,812 dan 0,613 gacha, RMSEni 1,068 dan 0,901 gacha kamaytirgan va R² qiymatini 0,899 dan 0,960 gacha oshirgan.

Biroq jadvalda ajratib koʻrsatilgan 0,613 MAE va 0,960 R² qiymatlari 28 validatsiya namunasi bilan 26 test namunasi birlashtirilgan 54 ta namuna boʻyicha hisoblangan. Faqat mustaqil test toʻplamida MAE 0,641, MAPE foiz 2,097, RMSE 0,903 va R² 0,956. Ikki natija bir-biriga yaqin boʻlsa-da, eng qat’iy umumlashtirish koʻrsatkichi model sozlashda ishlatilmagan 26 namunali test toʻplamidir.

6-rasm bashoratlar taqsimoti haqida nimani koʻrsatadi?

Oʻqitish, validatsiya va test grafiklarida oʻlchangan siljish tezliklari bilan TabPFN bashoratlari katta darajada diagonal moslik chizigʻi atrofida toʻplangan. Namunalarning koʻpchiligi foiz 95 ishonch va bashorat diapazonlari ichida qolgan. Oʻqitish R² qiymati 0,971, validatsiya 0,965 va test 0,956 boʻlishi ma’lumot boʻlimlari oʻrtasida katta samaradorlik qulashi boʻlmaganini koʻrsatadi.

Biroq test toʻplamida atigi 26 halqa boʻlgani sababli bir nechta yangi xato samaradorlik koʻrsatkichlarini sezilarli darajada oʻzgartirishi mumkin. Grafiklar bir tunnel kesimi ichidagi moslikni koʻrsatadi; boshqa zamin, mashina yoki loyihadagi aniqlikni koʻrsatmaydi.

SHAP modelni qanday tushuntiradi?

SHAP kooperativ oʻyin nazariyasidagi Shapley qiymatlaridan foydalanib, har bir oʻzgaruvchining bashoratga qoʻshgan chegaraviy hissasini hisoblaydi. Tadqiqotda ishlatilgan asosiy munosabat quyidagicha:

\[ \phi_i(f)=\sum_{S\subseteq N\setminus\{i\}}\frac{|S|!(|N|-|S|-1)!}{|N|!}\left[f(S\cup\{i\})-f(S)\right] \]

• φ_i(f), i-raqamli oʻzgaruvchining SHAP hissasidir.
• N, barcha kirish oʻzgaruvchilarining toʻplamidir.
• S, i oʻzgaruvchisini oʻz ichiga olmaydigan mumkin boʻlgan oʻzgaruvchilar quyi toʻplamidir.
• f(S), faqat S toʻplami bilan olingan bashoratdir.
• f(S∪{i}), i oʻzgaruvchisi qoʻshilgandan keyingi bashoratdir.

Regressiya modelida SHAP hissalari bashoratni asosiy siljish tezligi qiymatidan necha mm/dk yuqoriga yoki pastga siljitganini koʻrsatadi. Ijobiy SHAP qiymati bashorat qilingan siljish tezligini oshiradi; salbiy qiymat kamaytiradi. Bu tushuntirish sababiylik emas, model xatti-harakatining izohidir.

Global SHAP natijalarida qaysi oʻzgaruvchilar ajralib turdi?

7-rasmdagi oʻrtacha mutlaq SHAP reytingi eng katta hissalar shlam inyeksiya debiti MIFR va inyeksiya shlami zichligi MIDdan kelganini koʻrsatadi. Ulardan keyin tez kesish koheziyasi CQ, chiqarish shlami zichligi MDD, kesuvchi kallak tezligi CS va konsolidatsiyalangan koheziya CCQ keladi. Shlam bosimi PS, chiqarish debiti MDFR, koʻtarish qobiliyati FAO, zamin moduli Es, periferik ishqalanish QIK va umumiy itish kuchi TTF kichikroq, biroq oʻlchanadigan hissa qoʻshgan.

Beeswarm grafikda yuqori MID, MIFR va CS qiymatlari koʻpincha salbiy SHAP hududiga yoʻnalgan. Bu model naqshi haddan tashqari zich yoki yuqori debitli shlam tashish qarshiligini oshirishi mumkinligini va yuqori kesuvchi kallak tezligi ayrim sharoitlarda qazish yuzini buzishi mumkinligini koʻrsatadi. MDD, PS, MDFR va TTFning yuqori qiymatlari esa odatda ijobiy yoʻnalishdagi hissa koʻrsatgan.

Geologik oʻzgaruvchilarda yuqori Es, FAO va QIK koʻpincha ijobiy hissa bergan, CCQ oshgani sari siljish tezligiga hissa kamaygan. CQ esa bir yoʻnalishda harakat qilmagan, turli diapazonlarda ijobiy va salbiy hissa koʻrsatgan.

Yuqori siljish tezligiga ega namuna qanday tushuntirilgan?

8-rasmda koʻrib chiqilgan 5-raqamli namunaning bashorat qilingan siljish tezligi 37,131 mm/dk, modelning asosiy qiymati esa 31,841 mm/dk. Eng kuchli ijobiy hissalar past koheziya qiymatlaridan kelgan:

• CQ = 2,947 kPa uchun SHAP hissasi +1,04 mm/dk.
• CCQ = 2,724 kPa uchun hissa +0,83 mm/dk.
• MID = 1,218 g/cm³ uchun hissa +0,65 mm/dk.
• MDD = 1,283 g/cm³ uchun hissa +0,54 mm/dk.
• Es = 11,373 MPa uchun hissa +0,48 mm/dk.

Bu namunada FAO 241,338 kPa, QIK 57,257 kPa va umumiy itish kuchi 161.603,583 kN. Tadqiqotchilar past koheziya, yuqori zamin barqarorligi, nisbatan past inyeksiya zichligi va muvozanatli mexanik ekspluatatsiya birgalikda yuqori siljish tezligini qoʻllab-quvvatlaganini talqin qilgan.

Past siljish tezligiga ega namuna qanday tushuntirilgan?

9-rasmdagi 10-raqamli namunaning bashorati 22,299 mm/dk. Modelning 31,841 mm/dk asosiy qiymatidan pasayishda asosiy salbiy hissalar quyidagilar:

• MIFR = 44,77 m³/soat uchun −2,97 mm/dk.
• CS = 1,224 ayl/min uchun −2,12 mm/dk.
• MID = 1,266 g/cm³ uchun −2,05 mm/dk.
• PS = 5,097 MPa uchun −1,80 mm/dk.
• QIK = 51,448 kPa uchun −0,68 mm/dk.
• FAO = 153,393 kPa uchun −0,64 mm/dk.

Namunada nisbatan yuqori shlam inyeksiya debiti va zichligi, yuqori kesuvchi kallak tezligi, past bosim va past koʻtarish qobiliyati birgalikda salbiy tuzilma hosil qilgan. Bu natija kesuvchi kallak tezligi yoki debitni alohida oshirish zaif zamin va yetarli boʻlmagan aylanish sharoitlarini kompensatsiya qilmasligini koʻrsatadi.

Nega umumlashtirilgan additiv model ishlatilgan?

SHAP oʻzgaruvchilarning bashoratga hissasini koʻrsatsa, tadqiqotchilar geologik oʻzgaruvchilar bilan siljish tezligi oʻrtasidagi chiziqli boʻlmagan munosabatlarni aniqroq koʻrish uchun umumlashtirilgan additiv modellardan foydalangan. GAMning asosiy koʻrinishi quyidagicha:

\[ g(E(Y))=\beta_0+\sum_{j=1}^{p}f_j(X_j) \]

• Y, siljish tezligidir.
• g, bogʻlanish funksiyasidir.
• β₀, doimiy haddir.
• f_j, har bir geologik oʻzgaruvchi uchun moslashuvchan silliqlash funksiyasidir.
• X_j, tegishli geologik oʻzgaruvchidir.

Model mosligi quyidagi R² munosabati bilan baholangan:

\[ R^2=1-\frac{SS_{res}}{SS_{tot}} \]

SS_res qoldiq kvadratlar yigʻindisini, SS_tot umumiy kvadratlar yigʻindisini bildiradi. R² oʻlchovsiz boʻlib, 1 ga yaqinlashishi egri kuzatilgan oʻzgaruvchanlikning koʻproq qismini tushuntirishini anglatadi.

Geologik oʻzgaruvchilarda qaysi chegaralar topilgan?

CQdagi W shaklidagi egri ayniqsa muhim. Koheziyani faqat “qancha past boʻlsa, shuncha yaxshi” tarzida talqin qilib boʻlmasligini koʻrsatadi. Tadqiqotchilar izohiga koʻra, oʻrtacha koheziya mos filtr keki hosil boʻlishiga yordam berishi mumkin, juda yuqori koheziya esa kesuvchi kallakda loy keki, kesish qarshiligi va tashish qiyinchiligini keltirib chiqarishi mumkin.

Bu chegaralar faqat oʻrganilgan ma’lumot diapazonida kuzatilgan model munosabatlaridir. Egri chiziqlar kam sonli halqa namunalariga asoslanganligi sababli qat’iy fizik doimiy yoki barcha tunnellarga tatbiq etiladigan dizayn chegarasi sifatida qabul qilinmasligi kerak.

Geologiya bilan mashina parametrlari qanday oʻzaro ta’sirlashgan?

11–13-rasmlar alohida oʻzgaruvchilardan koʻra oʻzgaruvchi juftlari birgalikda qanday harakat qilishini koʻrsatadi:

• Es–CCQ: Es 11 MPa dan yuqori va CCQ 6 kPa dan past boʻlganda hissalar koʻpincha ijobiy boʻlgan. Es 9 MPa dan past va CCQ 10 kPa dan yuqori boʻlganda ijobiy hissa zaiflashgan.
• FAO–QIK: FAO 160 kPa va QIK 53 kPa dan past boʻlganda hissalar salbiy. FAO taxminan 190–210 kPa boʻlgan muvozanatli sharoitlarda yuqoriroq ijobiy hissalar koʻrilgan.
• CS–Es: CS 1,20 ayl/min dan yuqori va Es 10,5 MPa dan yuqori boʻlganda SHAP qiymatlari taxminan −1,5 bilan −2,1 gacha tushgan. CSning 1,10–1,15 ayl/min oraligʻi barqarorroq koʻringan.
• MID–CQ: MID 1,18–1,22 g/cm³ va CQ 8 kPa dan past boʻlganda ijobiy hissalar kuzatilgan. MID 1,26–1,28 g/cm³ va CQ 10 kPa dan yuqori boʻlganda hissa taxminan −2 gacha tushgan.
• TTF–FAO: FAO 180 kPa dan past va TTF 110.000–130.000 kN oraligʻida hissalar salbiy qolgan. FAO 220 kPa dan yuqori va TTF 150.000 kN dan yuqori boʻlganda ijobiy hissalar kuzatilgan.
• MID–CS: MID 1,20–1,23 g/cm³ va CS 1,12–1,16 ayl/min oraligʻi ijobiy; yuqori MID bilan 1,20 ayl/min dan yuqori CS kombinatsiyasi salbiy boʻlgan.
• MID–MDD: MID 1,20–1,22 va MDD taxminan 1,27–1,29 g/cm³ boʻlganda tashish sharoitlari ijobiyroq koʻringan.
• TTF–PS: TTF 150.000 kN dan yuqori va PS taxminan 5,8–6,2 MPa boʻlganda ijobiy hissalar ortgan.

Bu oʻzaro ta’sirlar model “itish kuchini oshir”, “kesuvchi kallakni tezlashtir” yoki “shlam zichligini kamaytir” kabi kontekstdan mustaqil qoidalarni ishlab chiqarmasligini koʻrsatadi. Bir xil sozlama turli koʻtarish qobiliyati yoki koheziya sharoitida teskari natija berishi mumkin.

Inson–sun’iy intellekt hamkor qaror doirasi qanday ishlaydi?

14-rasmda taklif etilgan jarayon besh qaror sohasiga ajratilgan:

1. Geologik oynani belgilash va dinamik zonalash
2. Umumiy itish kuchini koʻtarish qobiliyatiga moslashtirish
3. Kesuvchi kallak tezligi bilan shlam reologiyasini birgalikda sozlash
4. Shlam aylanishini zichlik va debit orqali boshqarish
5. Qazilgan materialni chiqarish bilan shlam aylanishini muvofiqlashtirish

Sun’iy intellekt modeli bashorat qilingan siljish tezligi va bu bashoratga qaysi oʻzgaruvchilar qancha hissa qoʻshganini taqdim etadi. Muhandis esa model tavsiyasini dala kuzatuvlari, yuz barqarorligi, moment, tebranish, harorat, liniya bosimi, mashina toʻxtashlari va xavfsizlik talablar bilan taqqoslaydi. Yakuniy parametr oʻzgarishi muhandis tomonidan amalga oshiriladi.

Bu tuzilma avtomatik boshqaruv tizimidan koʻra tushuntiriladigan qaror qoʻllab-quvvatlash vositasidir. Tadqiqot tavsiyalar real vaqt yopiq kontur boshqaruvida qoʻllanib, natijalari taqqoslangan dala tajribasini taqdim etmaydi.

Tadqiqot qoʻllab-quvvatlaydigan xulosalar nimalar?

• TabPFN ushbu bitta tunnelning 271 halqa darajasidagi kichik ma’lumotlar toʻplamida taqqoslangan modellarga qaraganda pastroq xato hosil qilgan.
• TabPFN asosidagi oldinga yoʻnaltirilgan tanlash 36 oʻzgaruvchini bashorat xatosi katta darajada saqlangan holda 12 oʻzgaruvchiga kamaytirgan.
• Siljish tezligi geologik va ekspluatatsion oʻzgaruvchilarning birgalikdagi ta’siri bilan bashorat qilingan.
• Shlam inyeksiyasi, kesuvchi kallak va chiqarish tizimlari model bashoratlarida muhim rol oʻynagan.
• SHAP ham umumiy oʻzgaruvchi muhimligini, ham alohida halqa bashoratlarining shakllanishini tushuntira olgan.
• GAM va SHAP bogʻliqlik tahlillari oʻrganilgan loyiha doirasida chiziqli boʻlmagan chegaralar va oʻzgaruvchi oʻzaro ta’sirlarini koʻrsatgan.

Tadqiqot nimani isbotlamaydi?

• TabPFN barcha tunnel loyihalarida boshqa modellardan ustun ekanini isbotlamaydi.
• Model boshqa tunnel, mamlakat, mashina yoki geologik muhitda tashqi tarzda tasdiqlanmagan.
• SHAP hissalari oʻzgaruvchilar orasida sababiy munosabat dalili emas.
• Taklif etilgan parametr diapazonlarining xavfsizligi istiqbolli nazoratli dala tajribasi bilan koʻrsatilmagan.
• Model toʻsatdan yuz choʻkishi, segment shikasti yoki uskuna nosozligi uchun mustaqil xavfsizlik tizimi emas.
• Halqa oʻrtachasi halqa ichidagi qisqa muddatli kritik hodisalar muvaffaqiyatli bashorat qilinganini koʻrsatmaydi.
• Tadqiqotdagi sonli chegaralarni Turkiyadagi loyihalarga yoki boshqa qalqon mashinalariga bevosita koʻchirib boʻlmaydi.

Tadqiqot usuli va topilmalari

Texnik usul xulosasi

TabPFNning ma’lumot boʻlimlaridagi samaradorligi

Tadqiqotda taklif etilgan loyiha ichidagi boshqaruv zonalari

Shlam va chiqarish tizimi uchun tavsiya etilgan munosabatlar

• Kesuvchi kallak tezligi umumiy holda taxminan 1,10–1,15 ayl/min oraligʻida muvozanatlangan.
• Qumli qatlamlarda MID uchun 1,22–1,25 g/cm³ oraligʻi tavsiya etilgan.
• Yuqori koheziyali qatlamlarda MID uchun 1,20–1,23 g/cm³ oraligʻi va mos MIFR oshirilishi tavsiya etilgan.
• CQ 8 kPa dan yuqori boʻlganda MID nisbatan past saqlanishi kerakligi koʻrsatilgan.
• MDD bilan MID orasidagi zichlik farqi uchun taxminan 0,05–0,08 g/cm³ oraligʻi tavsiya etilgan.
• Itish kuchi oshirilishidan oldin chiqarish debiti, shlam bosimi va aylanish quvvati tekshirilishi kerakligi ta’kidlangan.

Bu qiymatlar xavfsizlik standarti yoki ishlab chiqaruvchi ekspluatatsiya yoʻriqnomasi emas. Tadqiqotchilar ham chegaralar oʻrganilgan tunnel geologiyasi, mashina konfiguratsiyasi va ekspluatatsiya odatlaridan kelib chiqqanini; turli loyihalarda qayta kalibrlanishi kerakligini aniq bildirgan.

Tadqiqotning asosiy kuchli tomonlari

• Laboratoriya yoki sintetik ma’lumot oʻrniga haqiqiy ultra katta diametrli qalqon loyihasining dala yozuvlari ishlatilgan.
• Dastlabki bosqichdagi kichik ma’lumot muammosi aniq nishonga olingan.
• Outlier aniqlash, xususiyat tanlash, bashorat, tushuntirish va muhandislik talqini bitta oqimda birlashtirilgan.
• TabPFN koʻplab an’anaviy va chuqur oʻrganish modellari bilan bir xil ma’lumotlarda taqqoslangan.
• Global SHAPdan tashqari alohida halqa tushuntirishlari va oʻzgaruvchi oʻzaro ta’sirlari baholangan.
• Ma’lumot va tahlil kodining ulashilishi qayta koʻrib chiqish imkonini oshiradi.
• Sun’iy intellektga yakuniy boshqaruv vakolati bermaydigan, inson nazoratidagi qaror doirasi taklif etilgan.

Tadqiqotning asosiy cheklovlari

• Barcha namunalar bitta tunnelning dastlabki 271 halqasidan keladi.
• Mustaqil boshqa tunnel yoki mashinada tashqi tasdiqlash oʻtkazilmagan.
• Test toʻplami atigi 26 halqadan iborat.
• Ma’lumotlarni boʻlish halqalar ketma-ketligini saqlagan yoki saqlamaganligi tushuntirilmagan.
• Qoʻshni halqalar orasidagi fazoviy bogʻliqlikning samaradorlikka ta’siri alohida oʻlchanmagan.
• Isolation Forest kontaminatsiya nisbati oldindan foiz 5 deb belgilangan.
• Interpolyatsiya bilan tuzatilgan ekstremal qiymatlar haqiqiy dala hodisalarini ifodalashi yoki ifodalamasligi koʻrsatilmagan.
• Halqa darajasidagi oʻrtachalar qisqa muddatli kritik xatti-harakatlarni yashirishi mumkin.
• SHAP va GAM natijalari kuzatuvga asoslangan model munosabatlari; sababiy tajriba natijasi emas.
• Taklif etilgan boshqaruv strategiyalari istiqbolli yopiq kontur dala tajribasi bilan sinovdan oʻtkazilmagan.
• Tadqiqot hakamlik baholashidan oʻtmagan.

Manba va usul haqida izoh

Tadqiqotning toʻliq asl nomi: Interpretable Early-Stage Advance Rate Prediction and Human–AI Collaborative Decision Support for Ultra-Large-Diameter Slurry Shield Tunnelling Using TabPFN-SHAP

Mualliflar: Chenlong Yue, Jian Zhang, Tugen Feng va Bin Zheng.

Mualliflar tartibi: Chenlong Yue birinchi, Jian Zhang ikkinchi, Tugen Feng uchinchi va Bin Zheng toʻrtinchi muallif.

Teng hissa haqida ma’lumot: Yuklangan versiyada teng hissa qoʻshgan mualliflar haqida ma’lumot mavjud emas.

Mas’ul muallif: Jian Zhang. Tadqiqotda aloqa manzili 241604010106@hhu.edu.cn deb berilgan.

Institutsional aloqalar:

1. Key Laboratory of Ministry of Education for Geomechanics and Embankment Engineering, Hohai University, Nanjing, Xitoy.
2. School of Civil Engineering and Surveying & Mapping Engineering, Jiangxi University of Science and Technology, Ganzhou, Xitoy.

DOI:10.2139/ssrn.7030777

Nashr platformasi: SSRN.

Rasmiy yozuv havolasi:SSRN tadqiqot sahifasi

Ma’lumot va kod havolasi:TabPFN-Based-Advance-Rate-Prediction GitHub ombori

Nashr yili: 2026. Rasmiy SSRN sahifasidagi aniq yuklash sanasi ushbu koʻrib chiqish vaqtida alohida tasdiqlanmagan.

Jurnal: Hakamlik jurnaliga qabul qilish yoki nashr etilish ma’lumoti tasdiqlanmagan.

Asl nashriyot: Yakuniy hakamlik nashri uchun nashriyot ma’lumoti mavjud emas.

Manba turi: Haqiqiy dala ma’lumotlariga asoslangan mashina oʻrganish modeli ishlab chiqish, taqqoslash va tushuntiriladigan muhandislik qaror yordami tadqiqoti; preprint.

Hakamlik holati: Ushbu tadqiqot hakamlik baholashidan oʻtmagan preprint; natijalar bu cheklov hisobga olinib oʻqilishi kerak.

Moliyalashtirish: Tadqiqot Xitoy Milliy Tabiiy Fanlar Fondi, Markaziy Universitetlar Fundamental Tadqiqot Fondlari, yuqori darajadagi tadqiqotchi fondlari, Jiangxi provinsiyasi yirik fan va texnologiya dasturi, chuqur yer osti muhandisligi milliy dasturi va togʻli hududlarda qurilish muhandisligi xavfsizligi laboratoriyasi fondlari tomonidan qoʻllab-quvvatlangan.

Manfaatlar toʻqnashuvi: Mualliflar ma’lum moliyaviy manfaatlar toʻqnashuvi yoki tadqiqotga ta’sir qilishi mumkin boʻlgan shaxsiy munosabatlarni bildirmagan.

Ushbu oʻzbekcha maqola yuklangan 43 sahifalik tadqiqot; formulalar, jadvallar, grafiklar, geologik taqsimotlar, SHAP vizuallari va muhandislik qaror sxemalari oʻrganilib tayyorlangan. Tadqiqotda boʻlmagan yangi eksperimental natija, dala muvaffaqiyati yoki xavfsizlik kafolati qoʻshilmagan. Tashqi manbalar faqat DOI, rasmiy SSRN yozuvi va tadqiqotda koʻrsatilgan ma’lumot-kod omborini tasdiqlash uchun ishlatilgan.

TabPFNning bildirilgan yuqori aniqligi bitta loyiha ichidagi kichik ma’lumotlar toʻplamiga tegishli. Boshqa tunnellarda qoʻllashdan oldin mustaqil tashqi tasdiqlash, halqa ketma-ketligini saqlaydigan vaqt-fazo asosidagi test, sensor va birliklarni standartlashtirish, mahalliy zamin kalibrlashi va istiqbolli dala baholashi talab qilinadi. Tadqiqotdagi sonli parametr diapazonlari universal tunnel ekspluatatsiya chegaralari yoki avtomatik boshqaruv buyruqlari sifatida baholanmasligi kerak.