تحلیل عددی تأثیر پارامترهای هندسی شکستگیهای منفصل بر نرخ نفوذ دستگاه tbm در توده سنگ شکسته- مطالعه موردی تونل بلند زاگرس

در روش حفر مکانیزه مدت زمان حفر تونل را نرخ پیشروی ماشین تعیین می کند. از فاکتور های مهم که بر سرعت حفاری یا نرخ پیشروی tbm تأثیر می گذارد، نرخ نفوذ آن است. نرخ نفوذ، نسبت فاصله حفاری شده به زمان انجام آن در طول حفاری پیوسته است. روشهای پیش بینی نرخ نفوذ به طور کلی در چهار گروه اصلی روش های تجربی، تئوری، شبیه سازی با شبکه عصبی مصنوعی و روش عددی قرار می گیرند. مدلی می تواند پیش بینی قابل قبولی از نرخ نفوذ ارائه دهد که در آن، مجموعه ای از پارامتر های موثر از قبیل سنگ بکر و توده سنگ به همراه مشخصات ماشین مد نظر قرار گرفته باشد. در بسیاری از مدلهای تجربی و تئوری ارائهشده، تنها یک یا تعداد اندکی از پارامتر ها را شامل می شوند که خود می تواند دلیلی بر عدم جامعیت آنها باشد. شبکه عصبی مصنوعی می تواند ارتباط پارامترهای موثر بیشتری را در نظر بگیرد. یکی از اهداف این پروژه پیش بینی نرخ نفوذ با استفاده از شبکه عصبی مصنوعی در تونل بلند زاگرس و هدف دیگر آن، بررسی اثر پارامترهای هندسی درزه های مجزا بر نرخ نفوذ tbm با استفاده از روش ترکیبی جدید شبکه درزه مجزا- روش المان مجزا در همان تونل می باشد. پارامترهای هندسی درزه ها و همچنین خصوصیات مکانیکی سنگ و درزه ها از تونل زاگرس برداشت شده است، همچنین با استفاده از کد fraciut2d که به زبان c مبتنی بر روش مونت-کارلو نوشته شده است مدلهای شبکه درزه مجزای زیادی تولید و و اثر درزه داری توده سنگ بر نرخ نفوذ به وسیله ی روش المان مجزا تحلیل شده است. سطح تراشه شدگی در اثر نیروی دیسکهای tbm می تواند بیانگر نرخ نفوذ باشد. ضرایب تطبیق 83 درصد و 79 درصد بین مقادیر پیش بینی شده با شبکه عصبی مصنوعی و مقادیر واقعی به ترتیب در مجموعه آزمون و مجموعه داده های نیم کیلومتر جدید، نشان می دهد که شبکه ساخته شده ابزاری مناسب به منظور پیش بینی نرخ نفوذ در این پروژه می باشد. با توجه به تحلیل حساسیت انجام شده در یک مقطع سنگی بر روی نیروی پیشران و گشتاور، می توان گفت که مقدار نیروی پیشران و گشتاور در یک حد بهینه موجب افزایش نرخ نفوذ می شوند و به منظور دستیابی به نرخ نفوذ قابل قبول در این مقطع سنگی بهتر است مقدار نیروی پیشران و گشتاور به صورت هماهنگ تغییر کنند. نتایج مدلسازی های عددی نشان می دهد که میزان افزایش سطح تراشه نسبت به سنگ بکر از تابع توزیع نرمال با میانگین 07/46 و انحراف معیار 51/15 تبعیت می کند. با احتمال 80 درصد، میزان افزایش سطح تراشه نسبت به حالت سنگ بکر بیش از 33 درصد و با احتمال 95 درصد، میزان افزایش سطح تراشه نسبت به حالت سنگ بکر بیش از 20 درصد است. همچنین از مقایسه کیفی بین نتایج این دو روش با تعدادی از روشهای تجربی ارائه شده این نتیجه حاصل شد که این دو روش مناسب ترین روشها می باشند اما در عین حال روش عددی نسبت به روش شبکه عصبی مصنوعی این برتری را دارد که روش عددی می تواند در مرحله طراحی استفاده شود در حالیکه روش شبکه در مرحله اجرا قابل استفاده است.