پیش‌بینی نرخ نفوذ TBM با استفاده از شبکه‌های عصبی مصنوعی (مطالعه موردی قطعه سوم تونل قمرود)
Publish place: 08th Iranian Tunneling Conference
Publish Year: 1388
Type: Conference paper
Language: Persian
View: 1,558
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ITC08_022
Index date: 22 November 2008
پیش‌بینی نرخ نفوذ TBM با استفاده از شبکه‌های عصبی مصنوعی (مطالعه موردی قطعه سوم تونل قمرود) abstract
ماشین‌های حفار تمام مقطع از مهمترین ماشین‌های حفاری در تونل‌ها و فضاهای زیرزمینی بشمار می‌روند. اهمیت ارزیابی عملکرد این ماشین‌ها بدلیل مسائل اقتصادی و هزینه‌های سنگین حفاری از اهمیت ویژه‌ای برخوردار است. ارزیابی تاثیر خصوصیات توده سنگ روی عملیات تونل‌سازی و از همه مهمتر نرخ نفوذ TBM بسیار ضروری می‌باشد. در این تحقیق نرخ نفوذ ماشین حفاری تمام مقطع با توجه به خصوصیات ژئومکانیکی توده سنگ و شرایط عملیاتی در قطعه سوم تونل قمرود با استفاده از شبکه‌های پس انتشار تخمین زده می‌شود. مدلی که برای این کار در نظر گرفته شده دارای ساختان 11×25×9 که دارای 9 نرون ورودی، 25نرون در لایه مخفی و 1 نرون خروجی می‌باشد. انتخاب 25 نرون برای لایه مخفی بر اساس سعی و خطا می‌باشد. در نهایت نتایج مدل با داده‌های واقعی و همچنین روش تخمین NTH مقایسه شده و مشاهده شد که نتایج شبکه ANN نسبت به مدل تخمینی NTH نزدیکتر به واقعیت می‌باشد.
پیش‌بینی نرخ نفوذ TBM با استفاده از شبکه‌های عصبی مصنوعی (مطالعه موردی قطعه سوم تونل قمرود) Keywords:
پیش‌بینی نرخ نفوذ TBM با استفاده از شبکه‌های عصبی مصنوعی (مطالعه موردی قطعه سوم تونل قمرود) authors
مرتضی احمدی
دانشیار مکانیک سنگ ، دانشگاه تربیت مدرس، بخش مهندسی معدن ، گروه مک
امید سعیدی
دانشجوی کارشناسی ارشد مهندسی معدن، دانشگاه تربیت مدرس
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :