پیشبینی نرخ نفوذ ماشین حفار TBM با شبکه عصبی مصنوعی وتحلیل آماری رگرسیون خطی چند متغیره

چکیده
 امروزه استفاده از ماشینهای حفار تمام مقطع در صنعت تونلسازی بسیار گسترش یافته است. از اینرو تعیین و ارزیابی پارامترهای تأثیرگذار بر روی عملکرد این ماشینها به دلیل مسایل اقتصادی و همچنین هزینههای سنگین حفاری از اهمیت ویژهای برخوردار است. پیشبینی میزان نرخ نفوذ از جمله مهمترین عوامل در ارزیابی عملکرد ماشین حفار تمام مقطع بهشمار میرود. پارامترهای تأثیرگذار بر روی نرخ نفوذ دستگاه حفار تمام مقطع به دو گروه اصلی پارامترهای مربوط به شرایط زمین و پارامترهای مربوط به ماشین حفار تقسیم میشوند. در این مطالعه از دو روش شبکههای عصبی مصنوعی و رگرسیون خطی چند متغیره جهت پیشبینی 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 جمعآوری و پارامترهای تأثیرگذار بر روی میزان نرخ نفوذ مشخص شده است. در ادامه پس از انتخاب مناسبترین شبکه عصبی، آنالیز حساسیت بر روی هر یک از این پارامترها صورت گرفته است. مقایسه نتایج حاصل از دو روش مذکور نیز بر مبنای شاخصهایی نظیر ضریب تعیین، میانگین مربعات خطا و جذر میانگین مربعات خطا صورت گرفت. نتایج حاصل از تحلیلها نشان داد که مدل انتخاب شده از شبکه عصبی مصنوعی با شش پارامتر ورودی و دو لایه پنهان با هشت و شانزده نرون، دارای ضریب 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 0 اندازهگیری شد. نتایج حاصل شده / 0 و 861 / رگرسیون خطی چند متغیره به ترتیب برابر با 991 از آنالیزها نشان دهنده تطابق بیشتر مقادیر پیشبینی شده توسط شبکه عصبی با مقادیر واقعی است.

کلمات کلیدی:

خصوصیات تودهسنگ، نرخ نفوذ، شبکههای عصبی مصنوعی، رگرسیون خطی چند متغیره.

نویسندگان :

بیژن افراسیابیان ، عباس آقاجانی بزازی ، نوید حسینی علائی

پنجمین کنفرانس مکانیک سنگ ایران (1393)