فهرست نشریات علمی دسترسی آزاد ایران

در این مطالعه به‌منظور بررسی و ارزیابی عملکرد ماشین حفار از پارامترهای نرخ پیشروی و میزان مصرف فوم به‌منظور بهسازی زمین استفاده‌شده است. جهت بررسی عملکرد ماشین حفار EPB در این پژوهش، از 4 مجموعه پایگاه داده، شامل اطلاعات حفاری پروژه خط یک مترو قم، پروژه خط یک مترو شیراز (تونل شرقی و غربی)، پروژه خط دو مترو اصفهان و پروژه خط یک مترو اصفهان که با استفاده از ماشین حفار EPB حفاری‌شده‌اند، استفاده شد. بر اساس این مجموعه پایگاه داده مدل­هایی با تکیه‌بر تکنیک ­های آماری شامل آنالیز رگرسیون (رگرسیون ساده، چند متغیره خطی (MLR) و غیرخطی (MNLR)) و الگوریتم حداقل مربعات ماشین بردار پشتیبان (LS-SVM) به‌منظور پیش­بینی میزان مصرف عامل کف­ساز و نرخ پیشروی توسعه داده شدند. سپس به‌منظور بررسی دقیق ­تر و ارزیابی بهتر مدل­ های تجربی و هوشمند ارائه‌شده جهت پیش ­بینی میزان مصرف عامل کف­ساز و نرخ پیشروی شاخص­ های آماری ضریب تعیین (R2)، مقادیر آماری جذر میانگین مربعات خطای نرمال شده (NRMSE) و واریانس خطا (VAF) برای هر مدل توسعه‌یافته با استفاده از مجموعه داده­ های آزمون محاسبه شدند. مقایسه مقادیر محاسبه‌شده R2، VAF و NRMSE برای مدل­های توسعه‌یافته جهت پیش­ بینی میزان مصرف عامل کف­ ساز و نرخ پیشروی نشان دادند که مدل ارائه‌شده بر اساس الگوریتم LS-SVM نسبت به سایر مدل­ ها، دقت فراوانی در پیش بینی میزان مصرف عامل کف­ساز و نرخ پیشروی ماشین حفار EPB دارد که مقادیر شاخص­های R2، VAF و NRMSE برای مدل توسعه‌یافته جهت پیش­بینی میزان مصرف فوم برابر با 945/0، 356/94 و 237/0 و برای مدل توسعه‌یافته جهت پیش­بینی نرخ پیشروی برابر با 741/0، 071/74 و 149/0 می ­باشند. شایان‌ذکر است با توجه به‌دقت بالای پیش­بینی میزان مصرف عامل کف­ساز (Qt) و نرخ پیشروی (AR)، مدل­های توسعه‌یافته بر اساس الگوریتم LS-SVM می­ توانند به‌عنوان مدل­ های کاربردی در صنعت حفاری مکانیزه نقش قابل‌توجهی ایفا کنند.