پیش بینی نرخ نفوذ tbm با استفاده از روش شبکه عصبی مصنوعی(مطالعه موردی مترو تبریز)

Authors

حسین اینانلو عربی شاد

دانشگاه آزاد اسلامی واحد تهران جنوب غلامرضا لشکری پور

gholam lashkaripour دانشگاه فردوسی مشهد .مجید اکبری

m akbari دانشگاه آزاد

abstract

امروزه ماشین‎های تونل‎بری tbm‎ (tunnel boring machine) بطور وسیعی در حفر تونل‎ها بخصوص تونل‎های شهری استفاده می‎شوند. این ماشین‎ها بر اساس روش نگهداری سینه کار و دیواره های تونل، دارای انواع مختلفی می باشند. یکی از انواع این ماشین ها، سپرهای تعادلی فشار زمین epb (earth pressure balance) می باشد که جهت حفاری خط 1 متروی تبریز مورد استفاده قرار گرفته است. عوامل مختلفی نظیر شرایط زمین‎شناسی، خصوصیات توده سنگ، شیب مسیر و همچنین مشخصات ماشین بکار رفته بر میزان کارآیی این ماشین‎ها تأثیر می‎گذارد. یکی از راههای پیش‎بینی میزان کارآیی این ماشین‎ها، تخمین نرخ نفوذ آنها می‎باشد. در این تحقیق میزان نرخ نفوذ tbm در خط 1 متروی تبریز توسط شبکه عصبی مصنوعی پیش بینی گردیده است. پیش بینی این پارامتر، کمک شایانی در انجام مراقبت و دقت بیشتر در برخورد با مناطق دردسرساز با دانستن زمان برخورد به این مناطق و همچنین استفاده از فشار epb مناسب در آنها می نماید. از نتایج مهم حاصل از این تحقیق می توان به پیش بینی میزان نرخ نفوذ با دقت قابل قبول و همچنین تعیین پارامترهای مؤثر به وسیله آنالیز حساسیت صورت گرفته توسط شبکه عصبی اشاره کرد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش‌بینی نرخ نفوذ TBM با استفاده از روش شبکه عصبی‌ مصنوعی(مطالعه موردی مترو تبریز)

امروزه ماشین‎های تونل‎بری TBM‎ (Tunnel Boring Machine) بطور وسیعی در حفر تونل‎ها بخصوص تونل‎های شهری استفاده می‎شوند. این ماشین‎ها بر اساس روش نگهداری سینه‌کار و دیواره‌های تونل، دارای انواع مختلفی می‌باشند. یکی از انواع این ماشین‌ها، سپرهای تعادلی فشار زمین EPB (Earth Pressure Balance) می‌باشد که جهت حفاری خط 1 متروی تبریز مورد استفاده قرار گرفته است. عوامل مختلفی نظیر شرایط زمین‎شناسی، خصوصیا...

full text

پیش بینی نرخ نفوذ tbm با استفاده از روش svm

پیش بینی نرخ نفوذ tbm از جمله مواردی است که به لحاظ اهمیت آن در تخمین زمان اجرای یک پروژه و هزینه تمام شده آن، تاکنون مورد توجه فراوان قرار گرفته است. محققان روش های متعددی را برای پیش بینی نرخ نفوذ ماشین های حفاری تونل ارائه کرده اند. در بسیاری از مدل ها تنها از چند پارامتر اصلی برای تحلیل مدل استفاده شده است و از تاثیر سایر پارامترها، همچون خصوصیات درزه ها چشم پوشی شده است. هدف این تحقیق ارزی...

پیش بینی نرخ نفوذ ماشین های تونل بری با استفاده از شبکه عصبی

در این مقاله ابتدا برخی از روش های پیش بینی نرخ نفوذ tbm مرور شده و سپس نرخ نفوذ با منظور کردن پارامترهای نوع سنگ، درصد کوارتز، مقاومت فشاری تک محوره، قطر دیسک، نیروی نفوذ هر دیسک و rqd با استفاده از شبکه عصبی پیش بینی شده است. با حذف rqd و درصد کوارتز از پارامترهای ورودی، حساسیت شبکه نسبت به حذف این پارامترها مورد بررسی قرار گرفته است. مقایسة نتایج شبکه عصبی با مدل تجربی گراهام، توانایی شبکه ع...

full text

پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مطالعه موردی: سیستم های بالاسری تقطیر نفت خام

هدف این تحقیق پیش بینی نرخ خوردگی با استفاده از شبکه های عصبی مصنوعی می باشد. خوردگی پدیده ای است که به علت تاثیر عوامل مختلف و متعدد شناخته شده و ناشناخته پیچیدگی بسیار زیادی دارد و به راحتی قابل مدلسازی نیست. جهت پیش بینی و مدلسازی خوردگی در رویکرد مکانیستیک به واکنش ها و فرایندهای فیزیکی، شیمیایی، و الکتروشیمیایی آن توجه می شود و مدلسازی بر اساس آنها انجام می پذیرد. با وجود موفقیت هایی که ای...

full text

بررسی تاثیر پارامترهای اجرایی ماشین tbm بر نرخ نفوذ آن با استفاده از روش شبکه های عصبی مصنوعی- مطالعه ی موردی تونل بلند زاگرس

نرخ نفوذ یکی از پارامترهای مهم در تعیین مدت زمان حفاری در عملیات تونلسازی است. از آنجا که عملیات حفاری اندرکنش میان زمین و ماشین است؛ بنابراین دو دسته ی کلی پارامتر موثر بر نرخ نفوذ وجود دارد. از طرفی در شرایط یکسان زمین، به دلیل پارامترهای اجرایی متفاوت ماشین، مقدار نرخ نفوذ متفاوت است. بنابراین در این مقاله به بررسی اثر پارامترهای ماشین بر نرخ نفوذ با استفاده از روش شبکه های عصبی مصنوعی پرداخ...

full text

My Resources

Save resource for easier access later


Journal title:
زمین شناسی مهندسی

جلد ۵، شماره ۲، صفحات ۱۲۱۷-۱۲۳۴

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023