توسعه مدلی جامع به منظور ارزیابی میزان مصرف فوم و نرخ پیشروی در ماشین حفار EPB

در این مطالعه به منظور بررسی و ارزیابی عملکرد ماشین حفار از پارامترهای نرخ پیشروی و میزان مصرف فوم به منظور بهسازی زمین استفاده شده است. جهت بررسی عملکرد ماشین حفار EPB در این پژوهش، از 4 مجموعه پایگاه داده، شامل اطلاعات حفاری پروژه خط یک مترو قم، پروژه خط یک مترو شیراز (تونل شرقی و غربی)، پروژه خط دو مترو اصفهان و پروژه خط یک مترو اصفهان که با استفاده از ماشین حفار EPB حفاری شده اند، استفاده شد. بر اساس این مجموعه پایگاه داده مدل هایی با تکیه بر تکنیک های آماری شامل آنالیز رگرسیون (رگرسیون ساده، چند متغیره خطی (MLR) و غیرخطی (MNLR)) و الگوریتم حداقل مربعات ماشین بردار پشتیبان (LS-SVM) به منظور پیش بینی میزان مصرف عامل کف ساز و نرخ پیشروی توسعه داده شدند. سپس به منظور بررسی دقیق تر و ارزیابی بهتر مدل های تجربی و هوشمند ارایه شده جهت پیش بینی میزان مصرف عامل کف ساز و نرخ پیشروی شاخص های آماری ضریب تعیین (R2)، مقادیر آماری جذر میانگین مربعات خطای نرمال شده (NRMSE) و واریانس خطا (VAF) برای هر مدل توسعه یافته با استفاده از مجموعه داده های آزمون محاسبه شدند. مقایسه مقادیر محاسبه شده R2، VAF و NRMSE برای مدل های توسعه یافته جهت پیش بینی میزان مصرف عامل کف ساز و نرخ پیشروی نشان دادند که مدل ارایه شده بر اساس الگوریتم LS-SVM نسبت به سایر مدل ها، دقت فراوانی در پیش بینی میزان مصرف عامل کف ساز و نرخ پیشروی ماشین حفار EPB دارد که مقادیر شاخص های R2، VAF و NRMSE برای مدل توسعه یافته جهت پیش بینی میزان مصرف فوم برابر با 945/0، 356/94 و 237/0 و برای مدل توسعه یافته جهت پیش بینی نرخ پیشروی برابر با 741/0، 071/74 و 149/0 می باشند. شایان ذکر است با توجه به دقت بالای پیش بینی میزان مصرف عامل کف ساز (Qt) و نرخ پیشروی (AR)، مدل های توسعه یافته بر اساس الگوریتم LS-SVM می توانند به عنوان مدل های کاربردی در صنعت حفاری مکانیزه نقش قابل توجهی ایفا کنند.