پیش بینی نرخ نفوذ TBM با استفاده از روش شبکه عصبی مصنوعی(مطالعه موردی مترو تبریز)

امروزه ماشین‎های تونل‎بری TBM‎ (Tunnel Boring Machine) بطور وسیعی در حفر تونل‎ها بخصوص تونل‎های شهری استفاده می‎شوند. این ماشین‎ها بر اساس روش نگهداری سینه کار و دیواره های تونل، دارای انواع مختلفی می باشند. یکی از انواع این ماشین ها، سپرهای تعادلی فشار زمین EPB (Earth Pressure Balance) می باشد 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 تاثیر می‎گذارد. یکی از راه های 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 پیش بینی گردیده است. پیش بینی 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 می نماید. از نتایج مهم حاصل از این تحقیق می توان به پیش بینی میزان نرخ نفوذ با دقت قابل قبول و همچنین تعیین پارامترهای موثر به وسیله آنالیز حساسیت صورت گرفته توسط شبکه عصبی اشاره کرد.