تعیین فشار پایداری جبهه کار تونل در ماشین های EPB با استفاده از یادگیری ماشین (GRU) و تحلیل مولفه اصلی (PCA)

Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 484

This Paper With 12 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

این Paper در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

DTCE06_054

تاریخ نمایه سازی: 29 خرداد 1400

Abstract:

برآورد فشار نگهدارنده جبهه کار حفاری از پارامترهای موثر در تخمین عملکرد حفاری ماشین EPB در محیط خاکی و مناطق شهری است. در این مطالعه از روش یادگیری عمیق شبکه عصبی مصنوعی بازگشتی تحت عنوان واحد بازگشتی گیتی (GRU) برای تخمین و ارزیابی فشار جبهه کار در تونل خط ۷ متروی تهران قطعه شرقی-غربی استفاده شده است. روش احتمالاتی تحلیل مولفه های اصلی (PCA) برای ارزیابی پایگاه اطلاعات توسعه داده شده بکارگرفته شد. بر اساس ارزیابی صورت گرفته توسط تحلیل واریانس و شاخص های احتمالاتی پارامترهای ی نظیر سرعت چرخش نوار نقاله مارپیچ، حجم دوغاب تزریقی، فشار دوغاب تزریقی و نیروی رانش ماشین حفار به عنوان فاکتورهای ورودی در مدل در نظر گرفته شد. از توابع هزینه قدرتمند یادگیری ماشین نظیر میانگین قدر مطلق تفاضل (MAE)، خطای میانگین مربعات (MSE) و میانگین خطای قدر مطلق هموار شده (Huber) برای ارزیابی و تحلیل نتایج محاسباتی از شبکه پیش کننده ی GRU استفاده شده است، نتایج حاصل از توابع مذکور در مرحله صحت سنجی به ترتیب دارای مقادیر ۰,۰۴۲، ۰,۰۱ و ۰,۰۰۲ میباشد، که بیانگر دقت بالا و صحت مدل ارائه شده است.

Authors

حنان صمدی

دانشجو کارشناسی ارشد، رشته زمین شناسی مهندسی، دانشکده زمین شناسی، پردیس علوم، دانشگاه تهران

جعفر حسن پور

دانشیار، دانشکده زمین شناسی، پردیس علوم، دانشگاه تهران