سعید عاطفی فرد - کارشناسی ارشد مهندسی معدن، گرایش استخراج ، شرکت اهورا زمین پارس
امیرحسین مهدوی - کارشناسی ارشد مهندسی عمران، گرایش خاک و پی

تخمین نرخ نفوذ (Penetration Rate) ماشین ها ی حفر تونل (Tunnel Boring Machine) به منظور تعیین برنامه ریزی وبرآورد هزینه های اجرایی در پروژه های اجرایی در تونلسازی با حفر مکانیزه, ضروری می باشد. بدل یل قیمت بالای ماشین های حفر تونلارزیابی عملکرد این روش از اهمیت بالای برخوردار است. مهمترین شاخص ارزیابی عملکرد TBM نرخ نفوذ این دستگاه است کهعوامل موثر متعدد ی بر نرخ نفوذ آن تاثیر دارد. برای پیش بینی نرخ نفوذ روشها ی تجربی, آمار ی و روشها ی جد ید هوشمند موردا ستفاده قرار می گیرد. به منظور تجزیه و تحلیل نرخ نفوذ د ستگاه TBM بوسیله شبکه ی عصبی مصنوعی (Artificial Neural Network), روش آماری SPSS و روش تجربی گراهام از 4 پارامتر مقاومت فشاری تک محوره, چسبندگی, زاویه اصحکاک داخلی ومقامت کششی در این تحقیق استفاده شده است. در این تحقیق با بکارگیری روش شبکه های ع صبی و در نظر گرفتن خصوصیاتژیومکانیکی توده سنگ با استفاده از روش سعی و خطا، مدل بهینه در نظر گرفته شده دارای ساختار 1 - 4 - 2 می باشد. نتایج مدل شبکهعصبی با نتایج بدست آمده از روش آماری (نرم افزار SPSS) و روش تجربی (گراهام) مقایسه گردید و مشاهده شد که مدل شبکهعصبی دارای بهترین ضریب تصمیم گیری (R(2)=0.9977) و حداکثر خطای نسبی (7,7417) نسبت به دو روش دیگر می باشد.

شبکه ی عصبی مصنوعی، ماشین های حفر تونل، نرخ نفوذ، تحلیل آماری SPSS