بررسی پارامترهای موثر بر نرخ نفوذ دستگاه های حفاری تمام مقطع - TBM مطالعه موردی تونل خط 6 متروی تهران

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,081

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

DTCE04_002

تاریخ نمایه سازی: 18 تیر 1396

چکیده مقاله:

تخمین نرخ نفوذ (Penetration Rate) ماشین ها ی حفر تونل (Tunnel Boring Machine) به منظور تعیین برنامه ریزی وبرآورد هزینه های اجرایی در پروژه های اجرایی در تونلسازی با حفر مکانیزه, ضروری می باشد. بدل یل قیمت بالای ماشین های حفر تونلارزیابی عملکرد این روش از اهمیت بالای برخوردار است. مهمترین شاخص ارزیابی عملکرد TBM نرخ نفوذ این دستگاه است کهعوامل موثر متعدد ی بر نرخ نفوذ آن تاثیر دارد. برای پیش بینی نرخ نفوذ روشها ی تجربی, آمار ی و روشها ی جد ید هوشمند موردا ستفاده قرار می گیرد. به منظور تجزیه و تحلیل نرخ نفوذ د ستگاه TBM بوسیله شبکه ی عصبی مصنوعی (Artificial Neural Network), روش آماری SPSS و روش تجربی گراهام از 4 پارامتر مقاومت فشاری تک محوره, چسبندگی, زاویه اصحکاک داخلی ومقامت کششی در این تحقیق استفاده شده است. در این تحقیق با بکارگیری روش شبکه های ع صبی و در نظر گرفتن خصوصیاتژیومکانیکی توده سنگ با استفاده از روش سعی و خطا، مدل بهینه در نظر گرفته شده دارای ساختار 1 - 4 - 2 می باشد. نتایج مدل شبکهعصبی با نتایج بدست آمده از روش آماری (نرم افزار SPSS) و روش تجربی (گراهام) مقایسه گردید و مشاهده شد که مدل شبکهعصبی دارای بهترین ضریب تصمیم گیری (R(2)=0.9977) و حداکثر خطای نسبی (7,7417) نسبت به دو روش دیگر می باشد.

کلیدواژه ها:

شبکه ی عصبی مصنوعی ، ماشین های حفر تونل ، نرخ نفوذ ، تحلیل آماری SPSS

نویسندگان

سعید عاطفی فرد

کارشناسی ارشد مهندسی معدن، گرایش استخراج ، شرکت اهورا زمین پارس

امیرحسین مهدوی

کارشناسی ارشد مهندسی عمران، گرایش خاک و پی

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • افتخاری، م..و باغبانان، ع. و باقرپور، ر. (1391). برر سی ...
  • I2] منهاج، محمدباقر؛ مبانی شبکه‌های عصبی هوش محا سباتی، انتشارات ...
  • یاوری، م.، و مهدوری، س.(1385). پیش بینی نرخ نفوذ ما ...
  • کیا، مصطفی؛ شبکه‌های عصبی در متلب، خدمات نشرکیان رایانه سبز، ...
  • حسنی پاک، علی اصغر، شریف الدین، محمد؛ تحلیل داده‌های اکتشافی، ...
  • Mechanics of disc cutter penetration." Tunnels and 4ه [14] Farmer, ...
  • Acaroglu O., Ozdemir L, Asbury B., " A fuzzy logic ...
  • Jerome B. OCarroll, 2005, A Guide to Planning, Constructing and ...
  • Guglielmetti V., Grasso P., Mahtab A., Xu S., 200, Mechanized ...
  • Tarkoy, P. J. "Prediction TBM penetration rates in selected rock ...
  • ITA - AITES, WG Mechanized Tunneling, 2000, _ Rec ommendatios ...
  • Yagiz S., Merguerian C., Kim T., "Geological controls on the ...
  • Gholamnejad, J., & Tayarani, N. (2010). _ Application of Artificial ...
  • Roxborough, F. F., & Phillips, H. R. (1975). _ Rock ...
  • Graham, P. C. (1976). :Rock exploration for machine manufactures: Proceedings, ...
  • نمایش کامل مراجع