ناشر تخصصی کنفرانس های ایران

لطفا کمی صبر نمایید

Publisher of Iranian Journals and Conference Proceedings

Please waite ..
ناشر تخصصی کنفرانسهای ایران
ورود |عضویت رایگان |راهنمای سایت |عضویت کتابخانه ها
عنوان
مقاله

پیش بینی نرخ نفوذ ماشین حفار TBM با شبکه عصبی مصنوعی و تحلیل اماری رگرسیون خطی چند متغیره

سال انتشار: 1393
کد COI مقاله: IRMC05_034
زبان مقاله: فارسیمشاهده این مقاله: 452
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

خرید و دانلود فایل مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای 9 صفحه است به صورت فایل PDF در اختیار داشته باشید.
آدرس ایمیل خود را در کادر زیر وارد نمایید:

مشخصات نویسندگان مقاله پیش بینی نرخ نفوذ ماشین حفار TBM با شبکه عصبی مصنوعی و تحلیل اماری رگرسیون خطی چند متغیره

بیژن افراسیابیان - دانشگاه آزاد اسلامی واحد تهران جنوب گروه مهندسی معدن تهران
عباس آقاجانی بزازی - دانشگاه آزاد اسلامی واحد سوادکوه گروه مهندسی معدن سوادکوه
نوید حسینی علائی - دانشگاه آزاد اسلامی واحد تهران جنوب گروه مهندسی معدن تهران

چکیده مقاله:

امروزه استفاده از ماشین های حفار تمام مقطع در صنعت تونل سازی بسیار گسترش یافته است. از این رو تعیین و ارزیابی پارامترهای تاثیرگذار بر روی عملکرد این ماشین ها به دلیل مسائل اقتصادی و همچنین هزینه های سنگین حفاری از اهمیت ویژه ای برخوردار است پیش بینی میزان نرخ نفوذ از جمله مهمترین عوامل در ارزیابی عملکرد ماشین حفار تمام مقطع به شمار می رود. پارامترهای تاثیرگذار بر روی نرخ نفوذ دستگاه حفار تمام مقطع به دو گروه اصلی پارامترهای مربوط به شرایط زمین و پارامترهای مربوط به ماشین حفار تقسیم می شوند. در این مطالعه از دو روش شبکه های عصبی مصنوعی و رگرسیون خطی چند متغیره جهت پیش بینی میزان نرخ نفوذ ماشین حفاری استفاده شده است در این پژوهش تونل انتقال آب کرج- تهران واقع در استان البرز به عنوان مطالعه موردی انتخاب شد. در ابتدا اطلاعات حاصل از حفاری در پروژه تونل انتقال آب کرج- تهران جمع آوری و پارامترهای تاثیرگذار بر روی میزان نرخ نفوذ مشخص شده است. در ادامه پس از انتخاب مناسب ترین شبکه عصبی آنالیز حساسیت بر روی هر یک از این پارامترها صورت گرفته است. مقایسه نتایج حاصل از دو روش مذکور نیز بر مبنای شاخص هایی نظیر ضریب تعیین، میانگین مربعات خطا، و جذر میانگین مربعات خطا صورت گرفت. نتایج حاصل از تحلیل ها نشان داد که مدل انتخاب شده از شبکه عصبی مصنوعی با شش پارامتر ورودی و دو لایه پنهان با هشت و شانزده نرون، دارای ضرب تعیین به مراتب بالاتر و میزان خطای کمتری نسبت به روش رگرسیون خطی چند متغیره است. در این حالت میزان ضرایب تعیین برای شبکه عصبی و رگرسیون خطی چند متغیره به ترتیب برابر با 0/991 و 0/861 اندازه گیری شد. نتایج حاصل شده از انالیز ها نشان دهنده تطابق بیشتر مقادیر پیش بینی شده توسط شبکه عصبی با مقادیر واقعی است.

کلیدواژه ها:

خصوصیات توده سنگ، نرخ نفوذ، شبکه های عصبی مصنوعی، رگرسیون خطی چند متغیره

کد مقاله/لینک ثابت به این مقاله

کد یکتای اختصاصی (COI) این مقاله در پایگاه سیویلیکا IRMC05_034 میباشد و برای لینک دهی به این مقاله می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:

https://civilica.com/doc/318514/

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
افراسیابیان، بیژن و آقاجانی بزازی، عباس و حسینی علائی، نوید،1393،پیش بینی نرخ نفوذ ماشین حفار TBM با شبکه عصبی مصنوعی و تحلیل اماری رگرسیون خطی چند متغیره،پنجمین کنفرانس مکانیک سنگ ایران،تهران،https://civilica.com/doc/318514

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (1393، افراسیابیان، بیژن؛ عباس آقاجانی بزازی و نوید حسینی علائی)
برای بار دوم به بعد: (1393، افراسیابیان؛ آقاجانی بزازی و حسینی علائی)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مدیریت اطلاعات پژوهشی

صدور گواهی نمایه سازی | گزارش اشکال مقاله | من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

علم سنجی و رتبه بندی مقاله

مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
نوع مرکز: دانشگاه آزاد
تعداد مقالات: 10,469
در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

مقالات مرتبط جدید

به اشتراک گذاری این صفحه

اطلاعات بیشتر درباره 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.

پشتیبانی