Lashkaripour G, Akbari M. Predicting of TBM penetration rate using the artificial neural networks (case study- Tabriz subway). Journal of Engineering Geology 2012; 5 (2) :1217-1234
URL:
http://jeg.khu.ac.ir/article-1-372-fa.html
اینانلو عربی شاد حسین، لشکری پور غلامرضا، اکبری .مجید. پیشبینی نرخ نفوذ TBM با استفاده از روش شبکه عصبی مصنوعی(مطالعه موردی مترو تبریز). نشریه زمین شناسی مهندسی. 1390; 5 (2) :1217-1234
URL: http://jeg.khu.ac.ir/article-1-372-fa.html
1- دانشگاه آزاد اسلامی واحد تهران جنوب ، jegeo1382@gmail.com
2- دانشگاه فردوسی مشهد
3- دانشگاه آزاد
چکیده: (8354 مشاهده)
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، 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 پیشبینی گردیده است. پیشبینی 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 مینماید. از نتایج مهم حاصل از این تحقیق میتوان به پیشبینی میزان نرخ نفوذ با دقت قابل قبول و همچنین تعیین پارامترهای مؤثر به وسیله آنالیز حساسیت صورت گرفته توسط شبکه عصبی اشاره کرد.
نوع مطالعه:
مطالعه موردی |
موضوع مقاله:
زمین شناسی مهندسی پذیرش: 1395/7/14 | انتشار: 1395/7/14