CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

ارائه مدلی برای پیش بینی نرخ نفوذ ماشین حفاری تمام مقطع در تول انتقال آب گلاب با استفاده از الگوریتم های هوشمند

عنوان مقاله: ارائه مدلی برای پیش بینی نرخ نفوذ ماشین حفاری تمام مقطع در تول انتقال آب گلاب با استفاده از الگوریتم های هوشمند
شناسه ملی مقاله: CEREENG01_019
منتشر شده در اولین همایش مهندسی عمران و منابع زمین در سال 1401
مشخصات نویسندگان مقاله:

آرش ابراهیم آبادی - گروه مهندسی نفت، معدن و مواد، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
علیرضا افرادی - گروه معدن و زمین شناسی،واحدقائم شهر،دانشگاه آزاد اسلامی،قائمشهر، ایران
امیر رحیمی قاضی کلایه - نایب رئیس هیات مدیره شرکت بین المللی مهندسی ایران (ایریتک)

خلاصه مقاله:
ماشین های حفاری تمام مقطع به دلیل سرعت بالای حفاری، حفر تونل به صورت یکپارچه و نصب سیستم نگهداری همزمان با حفاری، بهره وری بالایی را در حفر تونل ها بخصوص تونل های انتقال آب از خود نشان داده اند. پیش بینی دقیق میزان نرخ نفوذ ماشین حفار، تاثیر مستقیم بر تخمین میزان سرمایه گذاری مورد نیاز و زمان اتمام پروژه تونلسازی دارد. لذا در تحقیق حاضر با توجه به اهمیت این موضوع، پیش بینی نرخ نفوذ ماشین حفار توسط پارامترهای مقاومت تراکم تک محوری، مقاومت کششی، امتیاز شاخص کیفی سنگ، چسبندگی مدول الاسیتیسیته، نسبت پواسون، دانسیته، زاویه بین ناپیوستگی ها، فاصله بین امتدادناپیوستگیها با محورتونل در تونل گلاب به وسیله آنالیز رگرسیون خطی چندگانه و رگرسیونغیرخطی چندگانه، روش برنامه ریزی بیان ژن (GEP) و روش ماشین بردار پشتیبان (SVM) انجام گرفته است. در این تحقیق، به منظور ارزیابی دقت و کارایی مدلهای پیشبینی کننده نرخ نفوذ ماشین حفار، از نمایه های ضریب تعیین ((R(۲) و ریشه میانگین مربعات خطا (RMSE) استفاده گردیده است.نتایج نشان می دهد هرچهار روش کارایی بسیار بالایی دارند با این تفاوت که روش ماشین بردار پشتیبان برتری نسبی خاصی نسبت به سایر روش ها دارد.

کلمات کلیدی:
رگرسیون خطی، رگرسیون غیرخطی، برنامه ریزی بیان ژن، ماشین بردار پشتیبان

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1644663/