این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
زمین شناسی مهندسی، جلد ۵، شماره ۲، صفحات ۱۲۱۷-۱۲۳۴
عنوان فارسی پیش‌بینی نرخ نفوذ TBM با استفاده از روش شبکه عصبی‌ مصنوعی(مطالعه موردی مترو تبریز)
چکیده فارسی مقاله امروزه ماشین‎های تونل‎بری TBM‎ (Tunnel Boring Machine) بطور وسیعی در حفر تونل‎ها بخصوص تونل‎های شهری استفاده می‎شوند. این ماشین‎ها بر اساس روش نگهداری سینه‌کار و دیواره‌های تونل، دارای انواع مختلفی می‌باشند. یکی از انواع این ماشین‌ها، سپرهای تعادلی فشار زمین EPB (Earth Pressure Balance) می‌باشد که جهت حفاری خط 1 متروی تبریز مورد استفاده قرار گرفته است. عوامل مختلفی نظیر شرایط زمین‎شناسی، خصوصیات توده سنگ، شیب مسیر و همچنین مشخصات ماشین بکار رفته بر میزان کارآیی این ماشین‎ها تأثیر می‎گذارد. یکی از راههای پیش‎بینی میزان کارآیی این ماشین‎ها، تخمین نرخ نفوذ آنها می‎باشد. در این تحقیق میزان نرخ نفوذ TBM در خط 1 متروی تبریز توسط شبکه عصبی مصنوعی پیش‌بینی گردیده است. پیش‌بینی این پارامتر، کمک شایانی در انجام مراقبت و دقت بیشتر در برخورد با مناطق دردسرساز با دانستن زمان برخورد به این مناطق و همچنین استفاده از فشار EPB مناسب در آنها می‌نماید. از نتایج مهم حاصل از این تحقیق می‌توان به پیش‌بینی میزان نرخ نفوذ با دقت قابل قبول و همچنین تعیین پارامترهای مؤثر به وسیله آنالیز حساسیت صورت گرفته توسط شبکه عصبی اشاره کرد.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Predicting of TBM penetration rate using the artificial neural networks (case study- Tabriz subway)
چکیده انگلیسی مقاله Tunnel boring machines (TBM) are widely used in excavating urban tunnels. These kinds of machines have different types based on supporting faces and tunnel walls. One type of these machines, is the Earth Pressure Balance (EPB) type that was used in excavating the Line 1 Tunnel of Tabriz Metro. Different parameters such as geological conditions, rock mass properties, dip and machine specifications affect the efficiency of the machine. One method of predicting the efficiency of these machines is to estimate their penetration rates. In this study the value of TBM penetration rates are predicted by an artificial neural network. Predicting of this parameter is so effective for conducting in high risk regions by understanding the time of facing to these regions. The main result of this study is to forecast the penetration rate with an acceptable accuracy and to determine the effective parameters through sensitivity analysis measured by an artificial neural network.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله حسین اینانلو عربی شاد | inanloo arabi shad
دانشگاه آزاد اسلامی واحد تهران جنوب
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی تهران جنوب (Islamic azad university of tehran south)

غلامرضا لشکری پور | gholam lashkaripour
دانشگاه فردوسی مشهد
سازمان اصلی تایید شده: دانشگاه فردوسی (Ferdowsi university)

مجید اکبری | m akbari
دانشگاه آزاد

نشانی اینترنتی http://jeg.khu.ac.ir/browse.php?a_code=A-10-106-1&slc_lang=fa&sid=fa
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده زمین شناسی مهندسی
نوع مقاله منتشر شده علمی پژوهشی
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات