این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
International Journal of Optimaization in Civil Engineering، جلد ۶، شماره ۲، صفحات ۱۵۹-۱۷۱
عنوان فارسی
چکیده فارسی مقاله
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی ADAPTIVE NEURO FUZZY INFERENCE SYSTEM BASED ON FUZZY C–MEANS CLUSTERING ALGORITHM, A TECHNIQUE FOR ESTIMATION OF TBM PENETRATION RATE
چکیده انگلیسی مقاله The tunnel boring machine (TBM) penetration rate estimation is one of the crucial and complex tasks encountered frequently to excavate the mechanical tunnels. Estimating the machine penetration rate may reduce the risks related to high capital costs typical for excavation operation. Thus establishing a relationship between rock properties and TBM penetration rate can be very helpful in estimation of this vital parameter. However, establishing relationship between rock properties and TBM penetration rate is not a simple task and cannot be done using a simple linear or nonlinear method. Adaptive neuro fuzzy inference system based on fuzzy c–means clustering algorithm (ANFIS–FCM) is one of the robust artificial intelligence algorithms proved to be very successful in recognition of relationships between input and output parameters. The aim of this paper is to show the application of ANFIS–FCM in estimation of TBM performance. The model was applied to available data given in open source literatures. The results obtained show that the ANFIS–FCM model can be used successfully for estimation of the TBM performance.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله h فتاحی | h. fattahi


نشانی اینترنتی http://ijoce.iust.ac.ir/browse.php?a_code=A-10-66-92&slc_lang=en&sid=en
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده en
موضوعات مقاله منتشر شده Optimal design
نوع مقاله منتشر شده پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات