پیش‌بینی نرخ نفوذ ماشین حفاری با استفاده از شبکه عصبی مصنوعی (مطالعه موردی: تونل آب قمرود)

این پژوهش با هدف پیش‌بینی نرخ نفوذ ماشین حفاری در تونل آب قمرود انجام شده‌است. داده‌های مورد استفاده شامل پارامترهای عملیاتی ماشین حفاری نیروی عمودی و نیروی برشی، داده‌های زمین‌شناسی مانند رده‌بندی توده سنگ، مقاومت فشاری تک‌محوری و سختی و داده‌های ژئوالکتریک بود. پس از گردآوری و عمودی‌سازی داده‌ها، از مدل شبکه عصبی چندلایه برای پیش‌بینی نرخ نفوذ استفاده شد. نتایج مدل نشان داد که پارامترهای عملیاتی ماشین حفاری، به ویژه نیروهای عمودی و برشی، بیشترین تاثیر را بر نرخ نفوذ دارند و در مقابل، داده‌های ژئوالکتریک تاثیر بیشتری نسبت به داده‌های زمین‌شناسی ارائه می‌کند. نوآوری این پژوهش در استفاده از داده‌های ژئوالکتریک و مقایسه تاثیر آن با داده‌های زمین‌شناسی و عملیاتی ماشین است. طبق بررسی‌های انجام‌شده، تاکنون در مقالات پیشین، تاثیر داده‌های ژئوالکتریک به‌صورت مستقیم بر پیش‌بینی نرخ نفوذ ماشین حفاری مورد بررسی قرار نگرفته است. در مجموع، یافته‌های پژوهش نشان داد که برای پیش‌بینی دقیق‌تر نرخ نفوذ ماشین حفاری، تمرکز بر پارامترهای عملیاتی ماشین حفاری و تحلیل داده‌های ژئوالکتریک اهمیت بیشتری دارد. این نتایج به بهینه‌سازی عملکرد ماشین حفاری و کاهش هزینه‌ها در پروژه‌های تونل‌سازی کمک می‌کنند.