مدل‌سازی نرخ نفوذ دستگاه تمام مقطع مکانیزه حفر تونل به روش سطح پاسخ

Publish Year: 1397
نوع سند: مقاله ژورنالی
زبان: Persian
View: 230

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

JR_JME-16-55_023

تاریخ نمایه سازی: 21 اسفند 1399

Abstract:

یکی از مسائل حیاتی در تخمین هزینه‌های ساخت و زمان اجرای پروژه‌های تونلی، پیش‌بینی عملکرد ماشین‌های حفاری مکانیزه تمام مقطع تونل (Tunnel Boring machine, TBM) است. عملکرد TBM بشدت وابسته به میزان نرخ نفوذ دستگاه است. هدف از پژوهش حاضر، بسط مدلی برای تخمین نرخ نفوذ TBM توسط رویکرد سطح پاسخ می باشد. تونل شماره سه کوینز واقع در نیویورک به عنوان مطالعه موردی انتخاب شده و مدل پیشنهادی با داده‌های آن مورد ارزیابی قرار گرفته است. با توجه به داده‌های ثبت شده از مشخصات ژئومکانیکی سنگ های در برگیرنده تونل، نرخ‌نفوذ دستگاه با منظورکردن پارامترهای مقاومت فشاری تک محوره و شاخص تردی سنگ سالم، زاویه ی مابین صفحات ناپیوستگی-گرای حفاری دستگاه و فاصله داری بین صفحات ناپیوستگی ها پیش‌بینی شده است. نتایج حاصل از مدل مبتنی بر سطح پاسخ با نتایج روش‌های فرآابتکاری به کار رفته توسط سایر محققین نظیر بهینه‌سازی اجتماع ذرات، تکامل دیفرانسیلی، جستجوی هارمونیک ترکیبی و بهینه‌ساز گری ولف بر اساس آزمون‌های آماری مورد مقایسه قرار گرفت. مقدار ضریب تعیین (R2) در آزمون تخمین – مقدار واقعی برای رویکرد سطح پاسخ برابر با 0/939 به دست آمد، در حالی که بهترین نتیجه برای روش‌های فرآابتکاری برابر با 0/713 بود. میانگین درصد قدرمطلق خطا برای روش پیشنهادی در تحقیق حاضر برابر با 3/849 بوده و بهترین مقدار برای سایر روش‌ها مورد بررسی برابر با 8/746 است. در مابقی آزمون‌های آماری صورت گرفته نیز مدل پیش‌بینی نرخ نفوذ مبتنی بر روش سطح پاسخ در مقایسه با سایر رویکرد‌ها بهترین نتیجه را دارا می‌باشد.

Authors

مجتبی مختاریان اصل

استادیار، گروه مهندسی معدن و مواد، دانشگاه صنعتی ارومیه

عارف علی پور

هیات علمی گروه مهندسی مواد و معدن دانشگاه صنعتی ارومیه

مراجع و منابع این Paper:

لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :
  • [1].    شفیعی نیک آبادی، م.، شفیعی نیک آبادی، م. و ...
  • [2].    یوسفی، م. و مظلوم، م. (2014). روش های ترکیب ...
  • [3].    Tarkoy, P.J. (1974). Predicting tunnel boring machine (TBM) penetration ...
  • [4].    Graham, P. (1976). Rock exploration for machine manufacturers. Exploration ...
  • [5].    Farmer, I. and Glossop N. (1980). Mechanics of disc ...
  • [6].    Nelson, P., O'Rourke T.D., and Kulhawy F.H. (1983). Factors ...
  • [7].    Cassinelli, F., Cina S., and Innaurato N. (1983). Power ...
  • [8].    Innaurato, N., Mancini A., Rondena E., and Zaninetti A. ...
  • [9].    Sapigni, M., Berti M., Bethaz E., Busillo A., and ...
  • [10].  Bieniawski, Z., Celada B., and Galera J.M. (2007). Predicting ...
  • [11].  Barton, N. (1999). TBM performance estimation in rock using ...
  • [12].  Hassanpour, J., Rostami J., Khamehchiyan M., Bruland A., and ...
  • [13].  Ozdemir, L. (1977). Development of theoretical equations for predicting ...
  • [14].  Rostami, J. and Ozdemir L. (1993). A new model ...
  • [15].  Blindheim, O. (1979). Boreability predictions for tunneling, in Department ...
  • [16].  Bruland, A. (1998). Hard Rock Tunnel Boring Machine Vol. ...
  • [17].  Roxborough, F.F. and Phillips H.R. (1975). Rock excavation by ...
  • [18].  Sanio, H.P. (1985). Prediction of the performance of disc ...
  • [19].  Gong, Q.M., Jiao Y.Y., and Zhao J. (2006). Numerical ...
  • [20].  Gong, Q.M. and Zhao J. (2007). Influence of rock ...
  • [21].  Gong, Q.M., Zhao J., and Jiao Y.-Y. (2005). Numerical ...
  • [22].  Sharifzadeh, M. and Iranzadeh A. (2009). Three dimensional numerical ...
  • [23].  افتخاری، س.م.، مصلح س.، باغبانان، باقرپور و راحب (2013). ...
  • [24].  Labra, C., Rojek J., and Oñate E. (2017). Discrete/Finite ...
  • [25].  Benardos, A. and Kaliampakos D. (2004). Modelling TBM performance ...
  • [26].  Zhao, Z., Gong Q., Zhang Y., and Zhao J. ...
  • [27].  Grima, M.A., Bruines P., and Verhoef P. (2000). Modeling ...
  • [28].  Mahdevari, S., Shahriar K., Yagiz S., and Shirazi M.A. ...
  • [29].  Gao, L. and Li X.-b. (2015). Utilizing partial least ...
  • [30].  Hamidi, J.K., Shahriar K., Rezai B., and Rostami J. ...
  • [31].  Ghasemi, E., Yagiz S., and Ataei M. (2014). Predicting ...
  • [32].  Armaghani, D.J., Mohamad E.T., Narayanasamy M.S., Narita N., and ...
  • [33].  Yagiz, S. and Karahan H. (2011). Prediction of hard ...
  • [34].  Armaghani, D.J., Faradonbeh R.S., Momeni E., Fahimifar A., and ...
  • [35].  Yagiz, S. (2008). Utilizing rock mass properties for predicting ...
  • [36].  Yagiz, S. and Karahan H. (2015). Application of various ...
  • [37].  Farooq Anjum, M., Tasadduq I., and Al-Sultan K. (1997). ...
  • [38].  Kwak, J.-S. (2005). Application of Taguchi and response surface ...
  • [39].  Baş, D. and Boyacı İ.H. (2007). Modeling and optimization ...
  • [40].  مردعلی زاده، م.، سلیمانی یزدی، م.ر. و صفرخانیان، م. ...
  • نمایش کامل مراجع