فهرست نشریات علمی دسترسی آزاد ایران

بعلت تخمین دقیق زمان حفاری و برآورد هزینه‌های اجرایی، پیش‌بینی نرخ نفوذ در حفاری مکانیزه حائز اهمیت است. از طرفی به‌دلیل قیمت بالای ماشین‌ حفاری تمام مقطع (TBM)، ارزیابی عملکرد در حفاری با استفاده از این ماشین بسیار اهمیت دارد. یکی از شاخص‌های ارزیابی عملکرد ماشین TBM، پیش‌بینی نرخ نفوذ این دستگاه می‌باشد. طی سالیان اخیر توسط محققین روش‌ها و روابط متنوعی برای پیش‌بینی نرخ نفوذ پیشنهاد شده که هر کدام ویژگی‌های خاص خود را داشته و براساس پارامترهای مربوط به توده سنگ و مشخصات ماشین ارائه شده‌اند. هدف از نگارش این مقاله توسعه مدل‌های دقیق پیش‌بینی برای تخمین نرخ نفوذ TBM با استفاده از الگوریتم‌های فراابتکاری نظیر الگوریتم ژنتیک، الگوریتم سیستم ایمنی مصنوعی، الگوریتم پژواک صدای دلفین و الگوریتم گرگ خاکستری است. برای ساخت مدل‌های پیش‌بینی از 153 داده که شامل: مقاومت فشاری تک محوره سنگ بکر (UCS)، تردی سنگ بکر(BI)، زاویه بین صفحات ناپیوستگی و جهت حفاری TBM (α) و فاصله بین صفحات ناپیوستگی (DPW) به عنوان پارامترهای ورودی استفاده شده است. همچنین برای ارزیابی مدل‌ها از شاخص‌های آماری نظیر میانگین خطای مربعات (MSE) و ضریب همبستگی مربع (R2) استفاده شده است. نتایج مدلسازی‌ها نشان می‌دهد الگوریتم ژنتیک با مقادیر012/0=MSETrain، 02/0=MSETest ، 9319/0=R2Train و 8473/0=R2Test از دقت قابل قبولی در پیش‌بینی نرخ نفوذ TBM (نسبت به سایر الگوریتم‌ها) برخوردار است.