ارائه رابطه ي جديد براي پيش بيني نرخ نفوذ ماشين حفاري تي بي ام ( TBM) سنگ

ماشين هاي حفار تمام مقطع (TBM) از مهم ترين ماشينهاي حفاري در تونل ها به شمار مي روند. بدليل قيمت بالاي ماشين، ارزيابي عملكرد در حفاري با استفاده از اين ماشين ها از اهميت ويژه اي برخوردار است. يكي از شاخص ارزيابي عملكرد ماشين حفر تونل، پيش بيني نرخ نفوذ اين دستگاه مي باشد. روشها و روابط متنوعي براي پيش بيني نرخ نفوذ وجود دارد كه هر كدام ويژگيهاي خاص خود را دارد و بر اساس پارامترهاي مربوط به توده سنگ و مشخصات ماشين ارائه شده اند. روشهاي رگرسيون خطي چند متغيره، شبكه عصبي و سيستم استنتاجي تطبيقي فازي عصبي از روشهاي با كارايي بالا در مدل سازي و تشخيص الگو در داده ها مي باشند. در اين تحقيق با بكارگيري روش رگرسيون خطي چند متغيره و با در نظر گرفتن پارامترهاي كليدي توده سنگ و ماشين حفر تونل (TBM) روابطي براي پيش بيني نرخ نفوذ در تونل زاگرس 1 ارائه گرديد و بر اساس تحليلهاي آماري بهترين رابطه انتخاب گرديد. براي بررسي اعتبار سنجي، نرخ نفوذ در بعضي مقاطع تونل قمرود توسط رابطه پيشنهادي محاسبه شد. نتايج محاسبات در مقايسه با مقادير واقعي و نتايج ساير مدلها نشان مي دهد مقادير پيش بيني شده نرخ نفوذ توسط رابطه پيشنهادي از دقت قابل قبولي برخوردار است.