ارزیابی ارتباط پارامترهای ژئوتکنیکی سنگ های مسیر تونل نوسود با پارامترهای مرتبط با ماشین حفاری با استفاده از روش شبکه عصبی

ماشین حفاری تمام مقطع یکی از مناسب¬ترین تجهیزات موجود در صنعت تونل¬سازی می¬باشد. ماشین¬های مدرن تونل¬زنی کاربردهای فراوانی دارند و به شکل مطلوبی در شرایط ژئوتکنیکی مختلف مورد استفاده قرار گرفته¬اند. تاکنون تحقیقات فراوانی برای پیش¬بینی نرخ نفوذ و پیش¬بینی و ارتباط آن ها با پارامترهای زمین¬شناسی و دستگاه انجام پذیرفته است. اگرچه تا کنون مدل¬های ارائه شده، در پیش¬بینی نرخ نفوذ و پیشروی tbm دستگاه تا حدی موفق بوده¬اند، اما هر یک از آن ها تنها برخی از پارامترهای موثر بر نفوذ tbm را مد¬نظر قرار داده¬اند. این تحقیق در راستای بررسی تأثیر پارامترهای مختلف زمین¬شناسی تونل نوسود بر نرخ پیشروی tbm انجام شده است. در این تونل عمده حفاری صورت گرفته در لایه¬های آهکی، شیلی- آهکی، شیلی - مارنی می-باشد. در ادامه واحدهای سنگی مسیر تونل، به 3 واحد اصلی تفکیک شده و نتایج پیش¬بینی نرخ نفوذ حاصل از روش¬های مختلف، با مقادیر عملی به دست آمده مقایسه گردید. از لحاظ کمترین اختلاف با نرخ پیشروی واقعی، مدل¬ شبکه عصبی در همه واحدهای سنگی بهترین حالت و مدل اینارتو بدترین حالت را دارند. با توجه به پیش¬بینی نرخ نفوذ، به روش آماری (رگرسیون ساده وچند متغییره) ، در مقایسه با پیش¬بینی نرخ نفوذ با استفاده از شبکه عصبی، نشان از کارایی بالای شبکه عصبی، با مقدار خطای پایین می¬باشد. همچنین نتایج تحلیل¬ها نشان می¬دهد که ارتباط نسبتا معقولی میان برخی پارامترهای زمین¬شناسی و ژئومکانیکی با پارامترهای عملیاتی ماشین وجود دارد. از میان این پارامترها ucs بهترین تطابق را با پارامترهای عملیاتی نشان می¬دهد. در ادامه بر مبنای نتایج حاصل از گمانه¬های اکتشافی و مطالعات صحرایی، مقطع زمین¬شناسی مهندسی تونل، ترسیم گردیده و قسمت¬های مختلف آن بر اساس طبقه¬بندی مهندسی سنگ، پهنه¬بندی گردید. طبقه¬بندی مهندسی سنگ¬ها نشان می دهد که کیفیت لایه های آهکی، شیلی- آهکی، شیلی – مارنی، زون های خرد شده به ترتیب خوب، متوسط، ضعیف و خیلی ضعیف می باشد.