ارزیابی تاثیر پارامترهای زمین شناسی مهندسی بر روی عملکرد ماشین TBM در شرایط سایش در سنگ آهکبه روش یادگیری ماشین

یکی از بخشهای مهم در طراحی و انتخاب ماشین حفاری مناسب در پروژه های تونل سازی، تعیین performance یا عملکرد ماشین TBM در شرایط مختلف است. تاکنون تحقیقات زیادی در این زمینه صورت گرفته است ولی یکی از فرآیندهای موثر در ارزیابی عملکرد TBM مربوط به زمانی است که درز و شکاف ناشی از حفاری دیسک کاترها در سنگ به میزان کافی گسترش پیدا نکنند و حین حفاری به جای فرآیند خردایش )Chipping(، فرآیند سایش )Grinding( به وجود آید. در این مطالعه داده های بدست آمده حین حفاری در تونل SEL۶ در امتداد جنوبی خط ۶ مترو تهران، با شرایط سایش در واحدهای سنگ آهک کرتاسه مورد بررسی قرار گرفت. ابتدا با ارزیابی همبستگی )corrolation( بین متغیرهای مستقل Fn، UCS، RQD، GSI، alpha angle و متغیر وابسته نفوذ PRev، تاثیر هر یک از پارامترها در مقدار نفوذ کاتر به دست آمد. همانطور که انتظار میرفت بالاترین همبستگی مربوط به UCS بود و بیشترین تاثیر را روی نفوذ کاتر داشت و پس از آن Fn و سپس GSI بیشترین همبستگی را با نفوذ کاتر نشان دادند. بهاینترتیب بر اساس الگوریتم رگرسیون خطی و گام به گام در نرم افزار R مدلسازی روی داده ها صورت گرفت و با ساخت مدلهای مختلف از پارامترهای مستقل فوق، بهترین مدل با بالاترین R۲ و کمترین خطا در پیشبینی مقدار نفوذ اولیه کاتر بدست آمد.