پیش بینی نرخ نفوذ ماشین تمام مقطع حفر تونل TBM با استفاده از رگرسیون خطی چند متغیره، شبکه عصبی مصنوعی و ماشین بردار پشتیبان

ماشینهای تمام مقطع حفر تونل TBM کاربرد فراوانی در فعالیتهای عمرانی داشته و امروزه جزء لاینفک پروژههای تونلسازی به شمار می رود. از این رو پیش بینی عملکرد و نرخ نفوذ این ماشین ها نقشی اساسی را در موفقیت آمیز بودن کاربرد آن ها ایفاء می کند. این پارامتر، یکی از پارامترهای مهم در تعیین مدت زمان حفاری در عملیات تونلسازی محسوب می شود. از آنجا که عملیات حفاری اندرکنش میان زمین و ماشین است، بنابراین دو دسته کلی پارامترهای مربوط به تشکیلات مورد حفاری و ماشین بر نرخ نفوذ تأثیر می گذارند. البته در این مورد با نباید نقش عوامل اجرایی را نادیده گرفت. در این تحقیق سعی شد تا مدل هایی برای پیش بینی نرخ نفوذTBM استفاده از روش های رگرسیون خطی چند متغیره، شبکه عصبی مصنوعی و ماشین بردار پشتیبان ارائه شود. بدین منظور پایگاه دادهای متشکل از پارامترهای نرخ نفوذ TBM مقاومت فشاری تک محوره، مقاومت کششی برزیلی ضریب شکنندگی سنگ، فاصله بین ناپیوستگیها و جهت ناپیوستگیها در تودهسنگ در پروژه حفر تونل کوئینز تهیه شد

کلیدواژه ها:

ماشین تمام مقطع حفر تونل ، تونل کوئینز ، شبکه عصبی مصنوعی ، ماشین بردار پشتیبان