پیش بینی نرخ نفوذ ماشین حفاری تمام مقطع در تونل های انتقال آب ایران با استفاده از روش های نوین

Publish Year: 1397
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 464

This Paper With 17 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

CARSE03_161

تاریخ نمایه سازی: 18 خرداد 1398

Abstract:

حفاری مکانیزه تمام مقطع تونل ها توسط ماشین، دارای تاریخچه ای نزدیک به پنجاه سال می باشد. بررسی عملکرد این ماشین ها با توجه به هزینه بالای آن، یکی از مسائلی است که از جوانب مختلف مورد توجه قرار می گیرد. پیش بینی نرخ نفوذ ماشین حفار ، بخش مهمی از هر پروژه حفاری مکانیزه است که میتواند نقش اساسی در انتخاب ماشین به عنوان روش حفاری داشته باشد.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 امتداد ناپیوستگی ها با محورتونل در تونل های انتقال آب قمرود، گلاب، کرج – تهران، نوسود و سبزکوه به وسیله آنالیز رگرسیون خطی چندگانه و رگرسیون غیرخطی 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 مدل های پیش بینی کننده نرخ نفوذ، از نمایه های ضریب تعیین و ریشه میانگین مربعات خطا استفاده گردیده است. بهترین مقدار برای این دو معیار به ترتیب یک و صفر می باشد. مقادیر ضریب تعیین و ریشه میانگین مربعات خطای بدست آمده در این تحقیق به ترتیب برابر با 0/43 و 3/08 برای پیش بینی نرخ نفوذ برای روش رگرسیون خطی، 0/68 و 2/3 برای پیش بینی نرخ نفوذ برای روش رگرسیون غیرخطی، 0/74 و 2/09 برای پیش بینی نرخ نفوذ برای روش برنامه ریزی بیان ژن، 0/97 و 0/6 برای پیش بینی نرخ نفوذ برای روش ماشین بردار پشتیبان است. با بررسی بانک اطلاعاتی مربوط به تونل ها، نتایج این تحقیق نشان می دهد که روش ماشین بردار پشتیبان، دقیق ترین میزان پیش بینی مربوط به نرخ نفوذ را از حیث نمایه های ضریب تعیین ((R(2) و ریشه میانگین مربعات خطا (RMSE) داشته است و دارای بالاترین مقادیر ضریب تعیین ((R(2) و کمترین مقادیر ریشه میانگین مربعات خطا (RMSE) در بین تمامی مدل های پیش بینی کننده بوده است. بعد از روش ماشین بردار پشتیبان، با توجه به میزان ضریب تعیین و ریشه میانگین مربعات خطا، به ترتیب روش برنامه ریزی بیان ژن، روش رگرسیون غیرخطی و روش رگرسیون خطی دقت پیش بینی بهتری دارند.

Keywords:

Authors

علیرضا افرادی

گروه معدن و زمین شناسی،واحدقائم شهر،دانشگاه آزاد اسلامی،قائم شهر، ایران

آرش ابراهیم آبادی

گروه معدن و زمین شناسی،واحدقائم شهر،دانشگاه آزاد اسلامی،قائم شهر، ایران

طاهره حلاجیان

گروه معدن و زمین شناسی،واحدقائم شهر،دانشگاه آزاد اسلامی،قائم شهر، ایران