مدل سازي نرخ نفوذ دستگاه تمام مقطع مكانيزه حفر تونل به روش سطح پاسخ

Application of response surface method to the prediction of TBM penetration rate

يكي از مسائل حياتي در تخمين هزينه هاي ساخت و زمان اجراي پروژه هاي تونلي، پيش بيني عملكرد ماشين هاي حفاري مكانيزه تمام مقطع تونل (Tunnel Boring machine, TBM) است. عملكرد TBM بشدت وابسته به ميزان نرخ نفوذ دستگاه است. هدف از پژوهش حاضر، بسط مدلي براي تخمين نرخ نفوذ TBM توسط رويكرد سطح پاسخ مي باشد. تونل شماره سه كوينز واقع در نيويورك به عنوان مطالعه موردي انتخاب شده و مدل پيشنهادي با داده هاي آن مورد ارزيابي قرار گرفته است. با توجه به داده هاي ثبت شده از مشخصات ژئومكانيكي سنگ هاي در برگيرنده تونل، نرخ نفوذ دستگاه با منظوركردن پارامترهاي مقاومت فشاري تك محوره و شاخص تردي سنگ سالم، زاويه ي مابين صفحات ناپيوستگي-گراي حفاري دستگاه و فاصله داري بين صفحات ناپيوستگي ها پيش بيني شده است. نتايج حاصل از مدل مبتني بر سطح پاسخ با نتايج روش هاي فرآابتكاري به كار رفته توسط ساير محققين نظير بهينه سازي اجتماع ذرات، تكامل ديفرانسيلي، جستجوي هارمونيك تركيبي و بهينه ساز گري ولف بر اساس آزمون هاي آماري مورد مقايسه قرار گرفت. مقدار ضريب تعيين (R2) در آزمون تخمين - مقدار واقعي براي رويكرد سطح پاسخ برابر با 0/939 به دست آمد، در حالي كه بهترين نتيجه براي روش هاي فرآابتكاري برابر با 0/713 بود. ميانگين درصد قدرمطلق خطا براي روش پيشنهادي در تحقيق حاضر برابر با 3/849 بوده و بهترين مقدار براي ساير روش ها مورد بررسي برابر با 8/746 است. در مابقي آزمون هاي آماري صورت گرفته نيز مدل پيش بيني نرخ نفوذ مبتني بر روش سطح پاسخ در مقايسه با ساير رويكرد ها بهترين نتيجه را دارا مي باشد.

Performance prediction of the tunnel boring machine (TBM) is one of the crucial issues for estimating excavation costs and construction time of tunnel projects. TBM performance highly depends on an achieved penetration rate. The aim of this study is to develop TBM penetration rate prediction models using Response surface method (RSM) and then to compare the results obtained from various meta-heuristics optimization techniques including Differential Evolution (DE), Hybrid Harmony Search (HS-BFGS) and Grey Wolf Optimizer (GWO). To achieve this aim, the database uniaxial compressive strength (UCS), intact rock brittleness (BI), the angle between plane of weakness and TBM driven direction and distance between planes of weakness are assembled by collecting data from Queens water tunnel project. According to the results, it can be said that the proposed model is a useful and reliable means to predict TBM penetration rate provided that a suitable dataset exists. From the prediction results the squared correlation coefficient (R2) between the observed and predicted values of the proposed model was obtained 0.939, which shows a high conformity between predicted and actual penetration rate. The performance of different predictor models controlled by Mean Absolute Percentage Error (MAPE), Route Mean Square Error (RMSE), Variance Absolute Relative Error (VARE), Variance Account for (VAF) and Correlation Coefficient (CC). Response surface method based model with higher VAF and CC as well as lower MAPE, RMSE, VARE will show better performance.