کاربرد شبکه های عصبی جهت ارزیابی نرخ نفوذ بهینه ماشین حفر تمام مقطع در تونل انتقال آب امیرکبیر

یکی از مهمترین فاکتورهای موثر بر میزان هزینه و زمان در پروژه های حفاری، سرعت حفاری می باشد. سرعت حفاری تونل ها برابر با متراژ حفر تونل در واحد زمان می باشد. نرخ نفوذ به عنوان معیاری برای تعیین میزان کارآیی عملیات حفاری توسط ماشین حفر تمام مقطع استفاده می شود. در حفاری توسط ماشین آلات حفر تمام مقطع مقدار نرخ نفوذ وابسته به مقدار نیروی محوری و نیروی دورانی دستگاه و جنس لایه های سنگی می باشد. هرچه مقدار انرژی ویژه حفاری برای یک توده سنگ پایین تر باشد، مقدار نرخ نفوذ افزایش و هزینه های حفاری کاهش می یابد. یکی از عوامل تعیین کننده مقدار انرژی ویژه حفاری، مدل رفتاری توده سنگ می باشد. عواملی مانند تغییر عمق باعث تغییر رفتار توده سنگ می شوند. در این تحقیق سعی شده است با استفاده از اطلاعات مربوط به قطعه دوم تونل انتقال آب کرج به تهران، تاثیر رفتار پس از شکست توده سنگ بر مقدار انرژی ویژه حفاری بررسی شود. در تحقیق از تابع انتقال سیگموئید و لایه خروجی Purelin و جهت آموزش شبکه از الگوریتم Levenberg-Marquardt استفاده گردید. بر طبق نتایج بهترین شبکه به صورت ۲-۴-۱ (۲ لایه ، ۴ نرون در لایه اول و ۱ خروجی) تعیین گردید. .نتایج این مطالعه نشان می دهد رفتار توده سنگ تاثیر مستقیم بر روی مقدار انرژی ویژه توده سنگ و در نتیجه نرخ نفوذ دستگاه دارد. به طور کلی می توان نتیجه گرفت با تغییر رفتار از الاستیک به پلاستیک، میزان انرژی ویژه حفاری افزایش و نرخ نفوذ کاهش می یابد.

کلیدواژه ها:

شبکه عصبی ، نرخ نفوذ ، TBM ، تونل امیرکبیر