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

سال انتشار: 1400
محل انتشار: هفتمین کنفرانس بین المللی پیشرفت های اخیر در مهندسی راه آهن
کد COI اختصاصی: ICRARE07_081
زبان مقاله: فارسی
تعداد مشاهده: 432

نویسندگان

مهندسی رشته زمین شناسی، دانشکده زمین شناسی، دانشگاه تهران، پردیس علوم، تهران ایران

چکیده

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.

مقالات مرتبط جدید

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.