ارائه رابطه ی جدید برای پیش بینی نرخ نفوذ ماشین حفاری تی بی ام ( tbm) سنگ

ماشین های حفار تمام مقطع (tbm) از مهم ترین ماشینهای حفاری در تونل ها به شمار می روند. بدلیل قیمت بالای ماشین، ارزیابی عملکرد در حفاری با استفاده از این ماشین ها از اهمیت ویژه ای برخوردار است. یکی از شاخص ارزیابی عملکرد ماشین حفر تونل، پیش بینی نرخ نفوذ این دستگاه می باشد. روشها و روابط متنوعی برای پیش بینی نرخ نفوذ وجود دارد که هر کدام ویژگیهای خاص خود را دارد و بر اساس پارامترهای مربوط به توده سنگ و مشخصات ماشین ارائه شده اند. روشهای رگرسیون خطی چند متغیره، شبکه عصبی و سیستم استنتاجی تطبیقی فازی عصبی از روشهای با کارایی بالا در مدل سازی و تشخیص الگو در داده ها می باشند. در این تحقیق با بکارگیری روش رگرسیون خطی چند متغیره و با در نظر گرفتن پارامترهای کلیدی توده سنگ و ماشین حفر تونل (tbm) روابطی برای پیش بینی نرخ نفوذ در تونل زاگرس 1 ارائه گردید و بر اساس تحلیلهای آماری بهترین رابطه انتخاب گردید. برای بررسی اعتبار سنجی، نرخ نفوذ در بعضی مقاطع تونل قمرود توسط رابطه پیشنهادی محاسبه شد. نتایج محاسبات در مقایسه با مقادیر واقعی و نتایج سایر مدلها نشان می دهد مقادیر پیش بینی شده نرخ نفوذ توسط رابطه پیشنهادی از دقت قابل قبولی برخوردار است.