پیش ‏بینی عملکرد دستگاه حفاری تمام مقطع در زمین‏ ها‏ی نرم با استفاده از شبکه‏ های عصبی مصنوعی

شهاب بازرگان¹ حمید چاکری² محمدمهدی رجائی³ محمد شرقی⁴

1) کارشناسی ارشد مکانیک سنگ، دانشگاه صنعتی سهند تبریز،
2) استادیار گروه مکانیک سنگ، دانشگاه صنعتی سهند تبریز،
3) دانشجوی دکتری اکتشاف، دانشگاه صنعتی سهند تبریز،
4) دانشجوی دکتری مکانیک سنگ، دانشگاه صنعتی سهند تبریز،

محل انتشار : کنگره بین المللی مهندسی، فناوری و نوآوری(eticong.com/1st)
چکیده :
نرخ نفوذ يكي از پارامترهاي مهم در تعيين مدت زمان حفاري در عمليات تونل سازي می باشد. از آنجائیكه عمليات حفاري اندركنش ميان زمين و ماشين را شامل می شود؛ پارامترهای موثر بر نرخ نفوذ را به دو دسته کلی می توان تقسیم بندی کرد. دسته اول پارامترهای دستگاه و دسته دوم پارامترهای موثر زمین می‏ باشند. از طرفي در شرايط يكسان زمين، به دليل پارامترهاي اجرايي متفاوت ماشين، مقدار نرخ نفوذ متفاوت است. برای این هدف، داده‏ ها‏ی ژئوتکنیکی و پارامترهای دستگاه مربوط به خط دو قطار شهری تبریز استفاده شده است. در اين مطالعه اثر پارامترهای ماشين و زمین بر نرخ نفوذ با استفاده از شبکه‏ های عصبی بررسی می‏ گردد. در بررسی با استفاده از شبکه ‏های عصبی و الگوریتم یادگیری لونبرگ-مارکوارت یک مدل بهینه که کمترین مقدار خطا در بین سایر مدل‏ های مورد بررسی را دارد انتخاب شده است. با استفاده از نتایج بدست آمده از مدل مورد نظر و نتایج واقعی آنالیز دقیقی بر تاثیر پارامترهای مذکور بر روی نرخ نفوذ انجام گردیده است. هدف نهایی ایجاد یک مدل با استفاده از شبکه‏ های عصبی برای محاسبه دقیق نرخ نفوذ دستگاه حفاری تمام مقطع در خاک می ‏باشد.
کلمات کلیدی : دستگاه حفار تمام مقطع نرخ نفوذ شبکه عصبی مصنوعی لونبرگ-مارکوارت