| تخمین عملکرد TBM درانواع سنگ با استفاده از سیستم طبقهبندی تودهسنگ RMR |
| کد مقاله : 1021-NIEGC2025 |
| نویسندگان |
|
آمنه دردشتی *1، جمال رستمی2، جعفر حسن پور3، رسول اجل لوییان4 1شرکت مهندسین مشاور رهسازطرح 2دانشکده معدن Colorado School of Mines 3دانشکدگان علوم دانشگاه تهران 4دانشکده زمین شناسی دانشگاه اصفهان |
| چکیده مقاله |
| از آنجا که سیستمهای مختلف طبقهبندی تودهسنگ، متداولترین روشهای مورد استفاده در بسیاری از پروژههای مهندسی سنگ هستند، به دلیل پذیرش جهانی و در دسترس بودن پارامترهای مؤثر، روش مناسبی جهت تخمین عملکرد ماشین TBM میباشند. با مقایسه متداولترین سیستمهای طبقهبندی تودهسنگ، سیستم طبقهبندی RMR همبستگی بهتری با نرخ نفوذ TBM نشان میدهد، که این امر به دلیل استفاده از مقاومت فشاری تکمحوره سنگ (UCS) به عنوان پارامتر ورودی در این سیستم است. ازآنجاکه سیستم طبقهبندی RMR برای تحلیل شرایط پایداری تودهسنگ در تونلها و طراحی سیستم نگهدارنده توسعه یافته، در نتیجه امتیازدهی پارامترهای ورودی آن نیز بر همین اساس انجام شده و همین امر میتواند دلیل همبستگی پایین رابطه بین مقادیر RMR تودهسنگ و عملکرد ماشین باشد. بنابراین بهنظر میرسد، میتوان با تغییر در مقادیر امتیاز پارامترهای ورودی سیستم RMR و تغییر در وزندهی داخلی هر پارامتر، به RMR بهینهای دست یافت که متناسب با هدف این مطالعه یعنی پیشبینی عملکرد ماشین TBM در سنگ سخت باشد. هدف از این مطالعه، توسعه روابط جدید برای تخمین عملکرد TBM در انواع سنگ بر اساس پارامترهای ورودی سیستم RMR و درنهایت اصلاح سیستم RMR جهت توسعه مدلی جدید برای پیشبینی عملکرد TBM در سنگ است. بدین منظور دادههای مربوط به 10 پروژه تونلسازی در شرایط زمینشناسی مختلف در یک پایگاهداده جمعآوری شده است و درنهایت با استفاده از الگوریتمهای هوش مصنوعی، طبقهبندی RMRTBM با هدف پیشبینی عملکرد TBM در سنگ سخت پیشنهاد شده است. |
| کلیدواژه ها |
| عملکرد ماشین TBM، سیستم طبقهبندی تودهسنگ RMR، طبقهبندی RMRTBM، یادگیری ماشین |
| وضعیت: پذیرفته شده برای ارائه شفاهی |