مقایسه قابلیت ها و کارآیی روش های مختلف در پیش بینی عملکرد ماشین حفر تونل و پیشنهاد بهترین روش برای ارائه مدل پیش بینی

چکیده

برآورد نرخ نفوذ ماشين در سنگ اولين و مهمترين گام در پيش بيني زمان اجراي حفر مکانيزه تونل است. در چند دهه اخیر مطالعات زیادی برای پیش بینی نفوذ TBM انجام شده است که در آنها از روش های مختلفی استفاده شده است. در این تحقیق روش های مختلف استفاده شده برای پیشنهاد یک رابطه برای پیش بینی نرخ نفوذ  پیاده سازی شد تا نقاط ضعف و قوت آن ها با هم مقایسه شوند. به همین منظور پايگاه داده اي از اطلاعات حين حفر تونل گلاب شامل پارامترهای عملیلاتی ماشین و ژئومکانیکی سنگ ايجاد شد. با استفاده از اطلاعات پايگاه داده ايجاد شده، ميزان تاثير پارامترهاي مختلف ژئومکانيکي بر عملکرد ماشین بررسي شد که تاثير فاصله‌داري درزه‌ها و RQD بيشتر از ساير پارامترها بود و مقاومت فشاري تک محوري تاثير کمي بر مقدار نفوذ داشت. با استفاده از روش هاي مختلف تحليل رگرسيون روابطي براي پيش بيني نرخ نفوذ ارائه شد که روش SMo رگرسيون دقت بالاتری نشان داد، برای تعیین ضرایب پارامترهای موثر بر عملکرد ماشین از الگوریتم PSO نیز بهره گرفته شد. بعلاوه از روش شبکه عصبی مصنوعی نیز استفاده شد که اگرچه دقت بالاتری از سایر روش ها داشت اما به علت عدم ارائه یک رابطه مشخص کارآیی کمتری نسبت به سایر روش ها دارد. با کمک روش‌هاي يادگيري ماشين و ساخت درخت تصميم و با اولويت دهي به پارامترهاي ژئومکانيکي موثرتر، يک سيستم طبقه بندي براي پيش بيني نرخ نفوذ پيشنهاد شده است. با توجه به نتایج بدست آمده و مقایسه روش های استفاده شده، بهترین کارآیی را روش استفاده از درخت تصمیم نشان داد و نتیجه حاصله به عنوان یک سیستم رده بندی پیش بینی نرخ نفوذ پیشنهاد شد