کاربرد روش آنالیز مولفه های اصلی در پیش بینی نرخ نفوذTBM با استفاده از شبکه های عصبی مصنوعی

از فاکتورهای مهم در پیش بینی عملکرد TBM، تعیین نرخ نفوذ حفاری و نرخ پیشروی است. هدف اصلی از این مطالعه، بررسی استفاده از آنالیز مولفه های اصلی در پیش بینی نرخ نفوذ TBMبا استفاده از روش شبکه های عصبی مصنوعی است. یکی از بخش های مهم در استفاده از روش شبکه های عصبی به منظور پیش بینی، انتخاب پارامترهای ورودی است. آنالیز مولفه های اصلی یکی از روش هایی است که با استفاده از آن می توان پارامترهای موثر بر نرخ نفوذ را مشخص کرد. برای دستیابی به این هدف، یک پایگاه داده متشکل از خواص توده سنگ، خواص ماده سنگ و مشخصات ماشین ایجاد شده است و سپس نرخ نفوذ با منظور کردن چندین مدل ورودی با استفاده از شبکه های عصبی مصنوعی در ۱۰ کیلومتر حفاری تونل زاگرس بدون آنالیز مولفه های اصلی پیش بینی شده است و سپس با توجه به تعدد پارامترهای ورودی در شبکه از آنالیز مولفه های اصلی در انتخاب بهترین پارامترهای ورودی استفاده شده است که در نهایت شبکه ای با ۱۱ ورودی، مورد تایید قرار گرفته است. از مقایسه نتایج پیش بینی نرخ نفوذ با استفاده از شبکه های عصبی مصنوعی بدون آنالیز مولفه های اصلی و شبکه عصبی مصنوعی با آنالیز مولفه های اصلی این نتیجه حاصل می شود که استفاده از آنالیز مولفه های اصلی تاثیر به سزایی در انتخاب پارامترهای ورودی شبکه و همچنین نتایج پیش بینی دارد.

کلیدواژه ها:

نرخ نفوذ ، TBM ، شبکه های عصبی مصنوعی ، آنالیز مولفه های اصلی