عنوان
اصلاح سيستم طبقه‌بندي توده‌سنگ RMR به‌منظور تخمين نرخ نفوذ ماشين تونل‌بري TBM درسنگ
مقطع تحصيلي
دكتري
چكيده
عليرغم استفاده گسترده از ماشين‌هاي حفر تمام مقطع تونل در صنعت تونل‌سازي، برآورد دقيق عملكرد ماشين‌ها به‌ويژه در شرايط پيچيده زمين‌شناسي هنوز هم مي‌تواند چالش‌برانگيز باشد. پيش‌بيني نرخ نفوذ و عملكرد ماشين، يك فاكتور كليدي در برنامه‌ريزي پروژه‌هاي تونل‌سازي، تخمين و كنترل هزينه‌ها و انتخاب ماشين مناسب مي‌باشد. در طي دهه‌هاي گذشته، مدل‌هاي زيادي براي پيش‌بيني عملكرد ماشين TBM ارائه شده است، ولي از آنجا كه عوامل مختلفي از جمله خصوصيات سنگ بكر و توده‌سنگ و همچنين خصوصيات اپراتوري و طراحي ماشين در اين فرآيند پيچيده دخالت دارند، تاكنون مدلي ارائه نشده كه همه عوامل مؤثر را در نظر گرفته باشد.
از آنجا كه سيستم‌هاي مختلف طبقه‌بندي توده‌سنگ، متداول‌ترين روش‌هاي مورد استفاده در بسياري از پروژه‌هاي مهندسي سنگ هستند، به دليل سادگي، پذيرش جهاني و در دسترس بودن پارامترهاي مؤثر، روش مناسبي جهت تخمين عملكرد ماشين مي‌باشند. با مقايسه متداول‌ترين سيستم‌هاي طبقه‌بندي توده‌سنگ، سيستم طبقه‌بندي RMR همبستگي بهتري با نرخ نفوذ TBM نشان مي‌دهد، كه اين امر به دليل استفاده از مقاومت فشاري تك‌محوره سنگ (UCS) به عنوان پارامتر ورودي در اين سيستم طبقه‌بندي است. هدف از اين مطالعه، اصلاح سيستم طبقه¬بندي توده‌سنگ RMR جهت توسعه مدلي جديد براي پيش¬بيني عملكرد ماشين TBM در سنگ سخت با استفاده از آناليزهاي آماري و الگوريتم‌هاي هوش مصنوعي است. بدين منظور داده‌هاي مربوط به 10 پروژه تونل‌سازي در شرايط زمين‌شناسي مختلف در يك پايگاه‌داده جمع‌آوري شده است. اين پايگاه‌داده شامل داده‌هاي زمين‌شناسي و زمين‌شناسي مهندسي توده‌سنگ‌هاي مسير تونل‌ها و همچنين داده‌هاي راهبري و عملكرد واقعي ماشين مي‌باشد. در اين مطالعه ابتدا تحليل‌هاي آماري مختلفي براي ارزيابي رابطه بين خواص مهندسي توده‌سنگ و عملكرد ماشين TBM انجام و امكان استفاده از پارامترهاي ورودي سيستم RMR براي توسعه روابط تخمين عملكرد ماشين با استفاده از آناليز رگرسيون مبتني بر الگوريتم‌هاي يادگيري ماشين بررسي شده و روابط جديدي براي تخمين شاخص نفوذ صحرايي FPI بر اساس پارامترهاي ورودي سيستم طبقه‌بندي RMR پيشنهاد شده است. از آنجا كه انواع مختلف سنگ‌ها، بافت، ساختار و تركيب كاني‌شناسي متفاوتي دارند و به نيروهاي برشي ماشين پاسخ متفاوتي مي‌دهند، اثر نوع سنگ نيز در روابط پيش‌بيني عملكرد ماشين وارد شده است. اين روابط به ويژه در مرحله طراحي و برنامه‌ريزي يك پروژه تونل‌سازي، مي‌توانند مفيد واقع شوند.
از طرفي از آنجاكه سيستم طبقه¬بندي RMR براي تحليل شرايط پايداري توده¬سنگ در تونل¬ها و طراحي سيستم نگهدارنده توسعه يافته، در نتيجه امتيازدهي پارامترهاي ورودي آن نيز بر همين اساس انجام شده و همين امر مي‌تواند دليل همبستگي پايين رابطه بين مقادير RMR توده‌سنگ و عملكرد ماشين باشد. بنابراين به‌نظر مي¬رسد، مي¬توان با تغيير در مقادير امتياز پارامترهاي ورودي سيستم RMR و تغيير در وزن‌دهي داخلي هر پارامتر، به RMR بهينه¬اي دست يافت كه متناسب با هدف اين مطالعه يعني پيش‌بيني عملكرد ماشين TBM در سنگ سخت باشد. رويكردي كه براي توسعه اين سيستم RMR بهينـه به كار گرفته شده است، استفاده از الگوريتم‌هاي رگرسيون غيرخطي درخت تصميم و Random Forest است و درنهايت سيستم RMRTBM با هدف پيش‌بيني عملكرد TBM در سنگ سخت پيشنهاد شده است.
شماره ركورد
230744
دانشگاه
دانشگاه اصفهان
استاد مشاور
دكتر جعفر حسن‌پور
رشته تحصيلي
زمين شناسي مهندسي
استاد راهنما
دكتر جمال رستمي , دكتر رسول اجل‌لوئيان