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

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.

پیش بینی نرخ نفوذ، ماشین حفر تونل، رگرسیون خطی چند متغیره، سیستم استنتاج تطبیقی فازی عصبی، تونل کوئینز