امروزه ماشین های حفر تونل (TBM) به طور گسترده در پروژه های عمرانی و حفر تونل های شهری استفاده می شوند. این ماشین ها بر اساس نوع سیستم نگهداری سینه کار، سیستم های حمل مواد حفرشده و حالت های کاری به انواع مختلفی تقسیم بندی می شوند. یکی از پراستفاده ترین TBM ها در زمینه های نرم، TBM (های نوع تعادل فشار زمینEPB) می باشد. به دلیل افزایش قیمت و هزینه های بالای حفاری، ارزیابی عملکرد این ماشین ها از اهمیت ویژه ای برخوردار است. یکی از مهمترین فاکتورهای مهم در ارزیابی عملکرد ماشین های حفاری EPB،
نرخ نفوذ می باشد. در این تحقیق هدف اصلی استفاده از
آنالیز رگرسیون و الگوریتم حداقل مربعات ماشین بردار پشتیبان (LS-SVM) به منظور پیش بینی
نرخ نفوذ با استفاده از
پارامترهای دستگاه حفار می باشد. ارزیابی نتایج نشان دادند (دقت پیش بینی) که مدل توسعه یافته بر اساس
الگوریتم LS-SVM نسبت به روش
آنالیز رگرسیون از دقت باالتری برخوردار می باشد. به منظور ارزیابی بهتر عملکرد و دقت مدل LS-SVM شاخصهای آماری شامل ضریب تعیین (۲R(۲)، خطای جذر میانگین مربعات نرمال شده NRMSE( ) و واریانس خطا VAF) برای مدل توسعه یافته، محاسبه شدند که این مقادیر به ترتیب برابر با ۰.۸۲، ۰.۰۷ و ۲۳.۸۲ می باشند. سپس با بررسی و مقایسه شاخصهای ذکر شده مشخص گردید که مدل LS-SVM توسعه یافته، مدل قابل اعتمادی به منظور تخمین نرخ پیشروی
ماشین حفار EPB می باشد که قادر است با دقت قابل قبولی مورد استفاده قرار گیرد.