محمدحسن میرابی مقدم - استادیار، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران- نویسنده مسئول
محمدمهدی هوشمند - دانش آموخته کارشناسی ارشد، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران
علی مهماندوست کتلر - دانشجوی کارشناسی ارشد، دانشکده مهندسی شهید نیکبخت، دانشگاه سیستان و بلوچستان، زاهدان، ایران

بیشتر مدل های پیش بینی تعیین عملکرد ماشین تمرکز خود را بر روی نرخ نفوذ قرار داده اند. در سال های گذشتهروش های تجربی و نیمه تجربی بسیاری برای تعیین نرخ نفوذ ارایه شده است. دلیل اصلی عدم پیش بینی دقیقعملکرد ماشین حفاری تمام مقطع (TBM) از لحاظ تئوری پیچیدگی اندرکنش بین توده سنگ و حفار است. هدف این مطالعه ارزیابی عملکرد TBM و بررسی نرخ نفوذ آن به عنوان تابعی از خصوصیات توده سنگ توسط سیستمتطبیقی استنتاج فازی- عصبی (ANFIS) است. همچنین مقایسه این روش با روش های رگرسیون چند متغیرهغیرخطی و شبکه عصبی ارایه شده توسط یاگیز و دیگران صورت گرفته است. هر سه روش مذکور روش هایغیرخطی هستند. در این مطالعه کاربرد سیستم تطبیقی استنتاج فازی عصبی (ANFIS) به دلیل قابلیت بالا در یادگیری جهت پیش بینی بررسی شده است. نتایج حاصل در مقدار ضریب همبستگی حاکی از برتری مطلق روشارایه شده نسبت به روش های رگرسیون چند متغیره و شبکه عصبی است.

ماشین حفاری تمام مقطع (TBM)، نرخ نفوذ، سیستم تطبیقی استنتاج فازی عصبی (ANFIS)