پيش‌بيني نرخ نفوذ TBM با استفاده از شبكه‌هاي عصبي و سيستم‌هاي فازي-عصبي (مطالعه موردي از 14 تونل حفر شده در سنگ سخت)

پيش بيني نرخ نفوذ TBMها يكي از مهمترين موضوعات براي تخمين هزينه‌هاي حفاري و مدت زمان اجرا در پروژه‌هاي تونل‌سازي است، اما اين موضوع همچنان براي مهندسين و سرمايه‌گذاران يك چالش مهم محسوب مي‌شود. نتايج تحقيقات گذشته نشان مي‌دهد كه براي پيش‌بيني نرخ نفوذ، روش‌هاي متفاوتي ارائه شده‌اند كه از جمله‌ي اين روش‌ها مي‌توان به روش‌هاي تجربي و تئوري به‌عنوان روش‌هاي كلاسيك و قديمي‌تر و شبكه‌هاي عصبي، شبكه‌هاي فازي و يا شبكه‌هاي فازيعصبي به عنوان روش‌هاي هوشمند و جديد اشاره كرد. روش‌هاي مدرن در تحليل روابط پيچيده و غيرخطي، از توانايي بالاتري نسبت به روش‌هاي كلاسيك  برخوردار هستند؛ لذا استفاده از آن‌ها سبب رسيدن به نتايج دقيق‌تري براي پيش‌بيني نرخ نفوذ خواهد شد. در اين پژوهش از يك بانك اطلاعاتي شامل 14 تونل از سراسر جهان بهره‌گرفته شده است. پارامترهاي انتخاب شده براي پيش‌بيني نرخ نفوذ شامل تركيبي از پارامترهاي مربوط به ماشين و توده‌سنگ است، از جمله نيروي عمودي وارد بر تيغه (Fn)، تعداد دور در دقيقه (RPM)، قطر تونل (TD)، امتياز رده‌بندي توده‌سنگ (RMR)، شاخص كيفي سنگ ((RQD و مقاومت فشاري تك‌محوري (UCS). با تحليل و بررسي نتايج مربوطه مشخص گرديد كه حذف يا عدم استفاده از پارامترهاي مناسب مي‌تواند سبب كاهش چشم‌گيري در پيش‌بيني نرخ نفوذ شود. بر اين اساس نتايج نشان مي‌دهد كه پارامترهاي UCS و RQD مهم‌ترين پارامترهاي تاثيرگذار در پيش‌بيني نرخ نفوذ هستند. اين نتايج همچنين نشان مي‌دهد كه استفاده از شبكه‌هاي فازيعصبي (0.13=RMSE) در مقايسه با روش‌هاي عصبي (0.38=RMSE) از دقت بيشتري برخوردار است.