پیش بینی عملکرد ماشین حفار بازویی در حفر تونل با استفاده از الگوریتم کرم شب تاب و الگوریتم مبتنی بر آموزش و یادگیری- مطالعه موردی

ماشین حفار بازویی از آن دسته از ماشین هایی می باشند که قابلیت حفاری بالایی در سنگ هایی با مقاومت کم تا متوسط را دارا می باشند. از این رو به طور گسترده در حفریات زیرزمینی مورد استفاده قرار می گیرند. تخمین عملکرد ماشین حفار بازویی یکی از موضوعات اصلی و مهم در تخمین تقریبی زمان اتمام پروژه و همچنین هزینه های پروژه به حساب می آید. به همین منظور هدف از نگارش این مقاله پیشنهاد مدل های پیش بینی هوشمند برای تخمین عملکرد ماشین حفار بازویی بوسیله ی دو روش هوشمند الگوریتم کرم شب تاب (FA) و الگوریتم مبتنی بر آموزش و یادگیری (TLBO) و با استفاده از یک پایگاه داده (یک مطالعه موردی) است. در این مدل ها از مقادیر واجهشی چکش اشمیت و شاخص کیفیت توده سنگ (RQD) به عنوان پارامترهای ورودی و از نرخ برش ماشین حفار بازویی به عنوان پارامتر خروجی استفاده شده است. در پایان برای ارزیابی دقت مدل ها و مدلسازی از شاخص های ضریب همبستگی مربع (R۲)، شمول واریانس (VAF)، جذر میانگین خطای مربع (RMSE) و میانگین خطای مربع (MSE) استفاده شده است. با توجه به نتایج بدست آمده در این مقاله و همچنین اعتبارسنجی مدل ایجاد شده، مقادیر پیش بینی عملکرد ماشین حفار بازویی توسط الگوریتم های بهینه سازی مبتنی بر آموزش و یادگیری و کرم شب تاب با مقادیر واقعی بسیار نزدیک بوده و از خطای کمی برخوردار است. بنابراین از مدل ایجاد شده می توان برای عملکرد ماشین حفار بازویی در شرایط زمین شناسی مشابه دیگر استفاده کرد.

Keywords:

ماشین حفار بازویی , الگوریتم مبتنی بر آموزش و یادگیری , الگوریتم کرم شب تاب , مقادیر برگشتی چکش اشمیت