پیشبینی عملکرد ماشین حفار بازویی در حفر تونل با استفاده از الگوریتم کرم شبتاب و الگوریتم مبتنی بر آموزش و یادگیری- مطالعه موردی
نویسندگان
1 دانشجو؛ دانشکدهی مهندسی علوم زمین، دانشگاه صنعتی اراک
2 دانشیار؛ دانشکدهی مهندسی علوم زمین، دانشگاه صنعتی اراک
3 دانشجو؛ دانشکدهی مهندسی علوم زمین، دانشگاه صنعتی اراک
doi
10.22044/tuse.2021.11010.1423چکیده
ماشین حفار بازویی از آن دسته از ماشینهایی میباشند که قابلیت حفاری بالایی در سنگهایی با مقاومت کم تا متوسط را دارا میباشند. از این رو به طور گسترده در حفریات زیرزمینی مورد استفاده قرار میگیرند. تخمین عملکرد ماشین حفار بازویی یکی از موضوعات اصلی و مهم در تخمین تقریبی زمان اتمام پروژه و همچنین هزینههای پروژه به حساب میآید. به همین منظور هدف از نگارش این مقاله پیشنهاد مدلهای پیشبینی هوشمند برای تخمین عملکرد ماشین حفار بازویی بوسیلهی دو روش هوشمند الگوریتم کرم شبتاب (FA) و الگوریتم مبتنی بر آموزش و یادگیری (TLBO) و با استفاده از یک پایگاه داده (یک مطالعه موردی) است. در این مدلها از مقادیر واجهشی چکش اشمیت و شاخص کیفیت تودهسنگ (RQD) به عنوان پارامترهای ورودی و از نرخ برش ماشین حفار بازویی به عنوان پارامتر خروجی استفاده شده است. در پایان برای ارزیابی دقت مدلها و مدلسازی از شاخصهای ضریب همبستگی مربع (R2)، شمول واریانس (VAF)، جذر میانگین خطای مربع (RMSE) و میانگین خطای مربع (MSE) استفاده شده است. با توجه به نتایج بدست آمده در این مقاله و همچنین اعتبارسنجی مدل ایجاد شده، مقادیر پیشبینی عملکرد ماشین حفار بازویی توسط الگوریتمهای بهینهسازی مبتنی بر آموزش و یادگیری و کرم شبتاب با مقادیر واقعی بسیار نزدیک بوده و از خطای کمی برخوردار است. بنابراین از مدل ایجاد شده میتوان برای عملکرد ماشین حفار بازویی در شرایط زمینشناسی مشابه دیگر استفاده کرد.