توسعه مدل هوشمند SVM جهت تخمین سایش و طول عمر ابزار برشی ماشین TBM-EPB بر اساس شرایط زمین شناسی در زمین نرم

پدیده سایش ابزارهای برشی ماشین حفار از فاکتورهای موثر در میزان بهره وری و راندمان پروژه های تونل سازی مکانیزه می باشد. بصورتیکه تعمیر و نگهداری آن علاوه بر افزایش زمان مورد نیاز حفاری، موجب کاهش ضریب بهره وری و افزایش هزینه های اقتصادی می گردد. در این مطالعه، با استفاده از روش هوشمند ماشین بردار پشتیبان به بررسی و پیش بینی میزان سایش ابزاربرشی بر اساس داده های واقعی ثبت شده در قطره شمالی-جنوبی پروژه خط ۷ متروی تهران پرداخته شده است. روش احتمالاتی تحلیل مولفه های اصلی PCA برای ارزیابی پایگاه اطلاعات توسعه داده شده بکارگرفته شد. بر اساس ارزیابی صورت گرفته توسط تحلیل واریانس و شاخص های احتمالاتی پارامترهایی نظیر زمین شناسی و دانه بندی مسیر حفاری به عنوان فاکتورهای ورودی درمدل در نظر گرفته شود. برای صحت سنجی شبکه ی توسعه یافته از توابع هزینه هوش مصنوعی نظیر MAD, MAPE, rRMSE استفاده شده است، که به ترتیب دارای مقادیر ۰.۰۲ ، ۱.۵۴ ، ۰.۲۶ می باشد و بیانگر دقت بالا و صحت مدل ارائه شده است

کلیدواژه ها:

و TBM-EPB ، سایش ابزار برشی ، یادگیری ماشین ، SVM ، زمین نرم و مصالح خاکی.