کاربرد روش آنالیز مولفه‌های اصلی در پیش‌بینی نرخ نفوذTBM با استفاده از شبکه‌های عصبی مصنوعی

از فاکتورهای مهم در پیش‌بینی عملکرد tbm، تعیین نرخ نفوذ حفاری و نرخ پیشروی است. هدف اصلی از این مطالعه، بررسی استفاده از آنالیز مولفه‌های اصلی در پیش‌بینی نرخ نفوذ tbm با استفاده از روش شبکه‌های عصبی مصنوعی است. یکی از بخش‌های مهم در استفاده از روش شبکه‌های عصبی به منظور پیش‌بینی، انتخاب پارامترهای ورودی است. آنالیز مولفه‌های اصلی یکی از روش‌هایی است که با استفاده از آن می‌توان پارامترهای موثر بر نرخ نفوذ را مشخص کرد. برای دستیابی به این هدف، یک پایگاه داده متشکل از خواص توده سنگ، خواص ماده سنگ و مشخصات ماشین ایجاد شده است و سپس نرخ نفوذ با منظور کردن چندین مدل ورودی با استفاده از شبکه‌های عصبی مصنوعی در 10 کیلومتر حفاری تونل زاگرس بدون آنالیز مولفه‌های اصلی پیش‌بینی شده است و سپس با توجه به تعدد پارامترهای ورودی در شبکه از آنالیز مولفه‌های اصلی در انتخاب بهترین پارامترهای ورودی استفاده شده است که در نهایت شبکه‌ای با 11 ورودی، مورد تایید قرار گرفته است. از مقایسه نتایج پیش‌بینی نرخ نفوذ با استفاده از شبکه‌های عصبی مصنوعی بدون آنالیز مولفه‌های اصلی و شبکه عصبی مصنوعی با آنالیز مولفه‌های اصلی این نتیجه حاصل می‌شود که استفاده از آنالیز مولفه‌های اصلی تاثیر به سزایی در انتخاب پارامترهای ورودی شبکه و همچنین نتایج پیش‌بینی دارد.