پیش بینی نرخ نفوذ ماشین حفار TBM با شبکه عصبی مصنوعی و تحلیل اماری رگرسیون خطی چند متغیره
- سال انتشار: 1393
- محل انتشار: پنجمین کنفرانس مکانیک سنگ ایران
- کد COI اختصاصی: IRMC05_034
- زبان مقاله: فارسی
- تعداد مشاهده: 875
نویسندگان
دانشگاه آزاد اسلامی واحد تهران جنوب گروه مهندسی معدن تهران
دانشگاه آزاد اسلامی واحد سوادکوه گروه مهندسی معدن سوادکوه
دانشگاه آزاد اسلامی واحد تهران جنوب گروه مهندسی معدن تهران
چکیده
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 متغیرهمقالات مرتبط جدید
- بررسی ویژگیهای معماری بقعه شیخ صفی الدین اردبیلی و میزان انطباق آن با اصول (معماری دوره صفوی سبک اصفهانی)
- تحلیل رویکرد دکترین های تخصصی در حفاظت از میراث جنگ
- مطالعه گنبدخانه تاج الملک با تاکید بر شناسایی مصالح و آسیبهای رطوبتی
- ارزیابی عوامل تاثیرگذار بر روند فرسایش بافت تاریخی و ارائه راهکارها (نمونه موردی محله یونجالیق ارومیه)
- آسیب شناسی و طرح مرمت بافت تاریخی محله جلفای اصفهان با تاکید بر محله میدان بزرگ جلفا
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.