پیش بینی نرخ نفوذ ماشین حفر تونل؛ مقایسه نتایج روش های رگرسیون خطی چند متغیره و سیستم استنتاج تطبیقی فازی عصبی
Publish place: 6th National Congress on Civil Engineering
Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,186
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
NCCE06_0980
تاریخ نمایه سازی: 28 مرداد 1390
Abstract:
ماشین های حفار تمام مقطع از مهمترین ماشین های حفاری در تونل ها و فضاهای زیرزمینی به شمار میروند. به دلیل قیمت بالای ماشین ارزیابی عملکرد در این روش حفاری از اهمیت ویژه ای برخوردار است. بدین منظور مهمترین شاخص ارزیابی عملکرد ماشین حفر تونل نرخ نفوذ این دستگاه میباشد. روش های متنوعی برای پیش بینی نرخ نفوذ وجود دارد که می توان به سه دسته روش های تحلیلی، آماری و هوش مصنوعی تقسیم بندی نمود. روش های رگرسیون خطی چند متغیره ( از زیر مجموعه های روش آماری) و سیستم استنتاج تطبیقی فازی عصبی (از زیرمجموعه های روش های هوش مصنوعی) دو رویکرد با کارایی بالا در مدل سازی و تشخیص الگو در داده ها می باشند. در این تحقیق با به کار گیری روش رگرسیون خطی و سیستم استنتاج تطبیقی فازی عصبی به پیش بینی نرخ نفوذ ماشین حفر تونل برای تونل انتقال آب کوئینز در نیویورک پرداخته است. نتایج نشان از آن دارد که مدل استخراج شده از متدولوژی سیستم استنتاج تطبیقی فازی عصبی دارای ضریب همبستگی 0/98و روش رگرسیون خطی چند متغیره دارای ضریب همبستگی 0/62 می باشد.
Keywords:
پیش بینی نرخ نفوذ , ماشین حفر تونل , رگرسیون خطی چند متغیره , سیستم استنتاج تطبیقی فازی عصبی , تونل کوئینز
Authors
عبدالرضا یزدانی چمزینی
دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه تربیت مدرس، تهران
سیدمحمد هاشمی ریزی
دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه تربیت مدرس، تهران
محمدحسین بصیری
استادیار و عضو هیئت علمی گروه معدن، دانشگاه تربت مدرس، تهران
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 :