کاربرد روش آنالیز مؤلفه‌های اصلی در پیش‌بینی نرخ نفوذTBM با استفاده از شبکه‌های عصبی مصنوعی

Authors

  • مصلح افتخاری دانشگاه صنعتی اصفهان
Abstract:

از فاکتورهای مهم در پیش‌بینی عملکرد TBM، تعیین نرخ نفوذ حفاری و نرخ پیشروی است. هدف اصلی از این مطالعه، بررسی استفاده از آنالیز مؤلفه‌های اصلی در پیش‌بینی نرخ نفوذ TBMبا استفاده از روش شبکه‌های عصبی مصنوعی است. یکی از بخش‌های مهم در استفاده از روش شبکه‌های عصبی به منظور پیش‌بینی، انتخاب پارامترهای ورودی است. آنالیز مؤلفه‌های اصلی یکی از روش‌هایی است که با استفاده از آن می‌توان پارامترهای مؤثر بر نرخ نفوذ را مشخص کرد. برای دستیابی به این هدف، یک پایگاه داده متشکل از خواص توده سنگ، خواص ماده سنگ و مشخصات ماشین ایجاد شده است و سپس نرخ نفوذ با منظور کردن چندین مدل ورودی با استفاده از شبکه‌های عصبی مصنوعی در 10 کیلومتر حفاری تونل زاگرس بدون آنالیز مؤلفه‌های اصلی پیش‌بینی شده است و سپس با توجه به تعدد پارامترهای ورودی در شبکه از آنالیز مؤلفه‌های اصلی در انتخاب بهترین پارامترهای ورودی استفاده شده است که در نهایت شبکه‌ای با 11 ورودی، مورد تأیید قرار گرفته است. از مقایسه نتایج پیش‌بینی نرخ نفوذ با استفاده از شبکه‌های عصبی مصنوعی بدون آنالیز مؤلفه‌های اصلی و شبکه عصبی مصنوعی با آنالیز مؤلفه‌های اصلی این نتیجه حاصل می‌شود که استفاده از آنالیز مؤلفه‌های اصلی تأثیر به سزایی در انتخاب پارامترهای ورودی شبکه و همچنین نتایج پیش‌بینی دارد.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

کاربرد روش آنالیز مؤلفه های اصلی در پیش بینی نرخ نفوذtbm با استفاده از شبکه های عصبی مصنوعی

از فاکتورهای مهم در پیش بینی عملکرد tbm، تعیین نرخ نفوذ حفاری و نرخ پیشروی است. هدف اصلی از این مطالعه، بررسی استفاده از آنالیز مؤلفه های اصلی در پیش بینی نرخ نفوذ tbmبا استفاده از روش شبکه های عصبی مصنوعی است. یکی از بخش های مهم در استفاده از روش شبکه های عصبی به منظور پیش بینی، انتخاب پارامترهای ورودی است. آنالیز مؤلفه های اصلی یکی از روش هایی است که با استفاده از آن می توان پارامترهای مؤثر ب...

full text

تحلیل منطقهای بار رسوب معلق با استفاده از روش رگرسیون مؤلفههای اصلی در حوضة آبخیز سفیدرود

رسوب ناشی از فرسایش خاک به عنوان مهم‌ترین نمایة تخریب اراضی، چالشی مهم در بحث توسعۀ پایدار و تهدیدی بر زیست بوم‌ها تلقی می‌شود. لذا برآورد معتبر رسوب خروجی از آبخیزها بسیار حائز اهمیت می‌باشد. گستردگی آبخیزها و کمبود ایستگاه‌های سنجش رسوب باعث شده است تا از روش‌های تحلیل منطقه‌ای جهت برآورد بار رسوب معلق در آبخیز فاقد و یا کمبود آمار استفاده شود. هدف از این تحقیق تحلیل منطقه‌ای بار رسوب معلق با...

full text

تخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی

هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...

full text

کاربرد الگوریتمهای مختلف یادگیری در پیشبینی قیمت سهام با استفاده از شبکه عصبی

پیشبینی قیمت سهام یکی از موضوعهای مهم مالی است، چرا که دادههای قیمت سهام دارای تغییر پذیری زیاد، پیچیدگی، دینامیک و آشوبگونه است،بنابراین ارتباط نامشخص بین قیمت سهام و عوامل مؤثر کاملا پویا است. بنابراین مسأله پیشبینی قیمت سهام تنها بوسیله یک برنامه کامپیوتری کاردشواری است.در این تحقیق، ابتدا بوسیله آزمون گردش، امکان پیشبینی قیمت سهام شرکت صنایع ملی مس ایران بررسی گردید. سپس رابطه همبستگی هشتبر...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


Journal title

volume 3  issue 6

pages  33- 43

publication date 2014-01-21

By following a journal you will be notified via email when a new issue of this journal is published.

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023