کاربرد روش آنالیز مؤلفه‌های اصلی در پیش‌بینی نرخ نفوذTBM با استفاده از شبکه‌های عصبی مصنوعی

Abstract

از فاکتورهای مهم در پیش‌بینی عملکرد TBM، تعیین نرخ نفوذ حفاری و نرخ پیشروی است. هدف اصلی از این مطالعه، بررسی استفاده از آنالیز مؤلفه‌های اصلی در پیش‌بینی نرخ نفوذ TBMبا استفاده از روش شبکه‌های عصبی مصنوعی است. یکی از بخش‌های مهم در استفاده از روش شبکه‌های عصبی به منظور پیش‌بینی، انتخاب پارامترهای ورودی است. آنالیز مؤلفه‌های اصلی یکی از روش‌هایی است که با استفاده از آن می‌توان پارامترهای مؤثر بر نرخ نفوذ را مشخص کرد. برای دستیابی به این هدف، یک پایگاه داده متشکل از خواص توده سنگ، خواص ماده سنگ و مشخصات ماشین ایجاد شده است و سپس نرخ نفوذ با منظور کردن چندین مدل ورودی با استفاده از شبکه‌های عصبی مصنوعی در 10 کیلومتر حفاری تونل زاگرس بدون آنالیز مؤلفه‌های اصلی پیش‌بینی شده است و سپس با توجه به تعدد پارامترهای ورودی در شبکه از آنالیز مؤلفه‌های اصلی در انتخاب بهترین پارامترهای ورودی استفاده شده است که در نهایت شبکه‌ای با 11 ورودی، مورد تأیید قرار گرفته است. از مقایسه نتایج پیش‌بینی نرخ نفوذ با استفاده از شبکه‌های عصبی مصنوعی بدون آنالیز مؤلفه‌های اصلی و شبکه عصبی مصنوعی با آنالیز مؤلفه‌های اصلی این نتیجه حاصل می‌شود که استفاده از آنالیز مؤلفه‌های اصلی تأثیر به سزایی در انتخاب پارامترهای ورودی شبکه و همچنین نتایج پیش‌بینی دارد.

Keywords

• نرخ نفوذ
• TBM
• شبکه‌های عصبی مصنوعی
• آنالیز مؤلفه‌های اصلی