Hybrid Evolutionary Computation Algorithm Based on Gene Expression Programming and Particle Swarm Optimization for Prediction of Mechanical Rock Excavation Performance

Abstract

암반 기계 굴착 기술의 발전으로 기존의 발파 공법이 아닌 기계 굴착을 사용하여 지하 공간을 건설하는 사례가 증가하고 있다. 기계식 암석 굴착 분야에는 다양한 변수 간의 관계에 대한 상당한 수의 결정론적 해법이 있지만, 많은 경우 변수 간의 결정적 관계를 설정하는 것은 극히 어렵다. 그 결과 많은 연구자들이 회귀 분석을 사용하여 이러한 관계를 설명하려고 한다. 암석 파쇄 현상의 복잡하고 비선형적인 특성으로 인해 기존의 함수 피팅 기법에서 요구하는 통계 데이터에 부합하는 비선형 함수의 형태를 합리적으로 결정하기가 쉽지 않다. 따라서 본 연구에서는 기계 굴착 분야의 문제점을 해결하기 위해 유전자 발현 프로그래밍(GEP)과 입자 군집 최적화 (PSO)의 조합을 데이터 분석에 사용하였다. GEP 및 PSO는 진화적 계산 기술이며 GEP-PSO 알고리즘을 통해 데이터 세트에 맞는 비선형 함수의 형식과 상수를 자동으로 찾을 수 있다. 본 연구에서는 임팩트 해머에 대한 성능 예측 모델, 픽커터에 필요한 비에너지 예측 모델, 픽커터에 작용하는 절삭력, 수직력, 횡방향력 예측 모델을 개발하기 위해 알고리즘을 사용하였다. 모든 경우에 GEP-PSO 알고리즘을 사용하여 생성된 결과는 다중 선형 회귀에 의해 생성된 결과와 비교하여 상당히 높은 예측 정확도를 생성함을 확인하였다. 가능한 경우 GEP-PSO 알고리즘에 의해 생성된 결과와 다른 연구자가 개발한 예측 모델을 비교하여 현재 연구 과정에서 개발된 모델의 장점을 보여 줄 것으로 보인다. 높은 수준의 정확도 외에도 GEP-PSO 알고리즘을 사용하여 개발된 모델은 기존 예측 모델의 단점을 상당 부분 극복할 수 있다. 개발된 모델은 얻기 쉬운 입력 매개변수를 거의 요구하지 않으면서 더 많은 신뢰성 및 정확도를 제공하거나 기존 예측 모델에서 무시되었던 중요한 입력 매개변수를 포함하므로 더 유리하다고 볼 수 있다.

With the advances in mechanical excavation technology, increasing number of underground spaces are built using mechanical excavation rather than the conventional drilling and blasting method. In the field of mechanical rock excavation, there are a fair number of deterministic solutions for the relations between different variables. However, in many cases, establishing such a relation is extremely difficult. As a result, many researchers try to explain those relations using regression analysis. Due to the complex and non-linear nature of rock cutting phenomenon, it is not easy to reasonably determine the form of the non-linear functions that fit to the statistical data as it is required by the conventional non-linear function fitting techniques. As a result, a combination of Gene Expression Programming (GEP) and Particle Swarm Optimization (PSO) was used for data analysis in this study in order to solve problems in the field of mechanical excavation. GEP and PSO are evolutionary computation techniques and the GEP-PSO algorithm is capable of automatically finding the form and constants of a non-linear function that fits on a data set. The algorithm was used in order to develop a performance prediction model for impact hammer, a prediction model for specific energy required by point attack picks, and models for prediction of cutting, normal, and side force acting on a point attack pick. In all cases, the results generated using the GEP-PSO algorithm produced significantly high prediction accuracy in comparison to those generated by multiple linear regression. When possible, comparisons were made between the results generated by the GEP-PSO algorithm and the prediction models developed by other researchers to show the advantages of the models developed over the course of the present study. In addition to high level of accuracy, the models developed using GEP-PSO algorithm could overcome shortcomings of the existing prediction models to a fair extent. The developed models are more advantageous as they provide more reliability/accuracy while requiring few easy-to-obtain input parameters, and/or they include the significant input parameters that have been neglected by the existing prediction models.