پیش بینی نرخ نفوذ ماشین TBM در حفر فضاهای زیرزمینی با استفاده از الگوریتم های ژنتیک، سیستم ایمنی مصنوعی، پژواک صدای دلفین و گرگ خاکستری-مطالعه موردی

بعلت تخمین دقیق زمان حفاری و برآورد هزینه های اجرایی، پیش بینی نرخ نفوذ در حفاری مکانیزه حایز اهمیت است. از طرفی به دلیل قیمت بالای ماشین حفاری تمام مقطع (TBM)، ارزیابی عملکرد در حفاری با استفاده از این ماشین بسیار اهمیت دارد. یکی از شاخص های ارزیابی عملکرد ماشین TBM، پیش بینی نرخ نفوذ این دستگاه می باشد. طی سالیان اخیر توسط محققین روش ها و روابط متنوعی برای پیش بینی نرخ نفوذ پیشنهاد شده که هر کدام ویژگی های خاص خود را داشته و براساس پارامترهای مربوط به توده سنگ و مشخصات ماشین ارایه شده اند. هدف از نگارش این مقاله توسعه مدل های دقیق پیش بینی برای تخمین نرخ نفوذ TBM با استفاده از الگوریتم های فراابتکاری نظیر الگوریتم ژنتیک، الگوریتم سیستم ایمنی مصنوعی، الگوریتم پژواک صدای دلفین و الگوریتم گرگ خاکستری است. برای ساخت مدل های پیش بینی از 153 داده که شامل: مقاومت فشاری تک محوره سنگ بکر (UCS)، تردی سنگ بکر(BI)، زاویه بین صفحات ناپیوستگی و جهت حفاری TBM (α) و فاصله بین صفحات ناپیوستگی (DPW) به عنوان پارامترهای ورودی استفاده شده است. همچنین برای ارزیابی مدل ها از شاخص های آماری نظیر میانگین خطای مربعات (MSE) و ضریب همبستگی مربع (R2) استفاده شده است. نتایج مدلسازی ها نشان می دهد الگوریتم ژنتیک با مقادیر012/0=MSETrain، 02/0=MSETest ، 9319/0=R2Train و 8473/0=R2Test از دقت قابل قبولی در پیش بینی نرخ نفوذ TBM (نسبت به سایر الگوریتم ها) برخوردار است.