پیوندهای مفید
اخبار و اعلانات
آمار
| تعداد نشریات | 158 |
| تعداد شماره‌ها | 6,225 |
| تعداد مقالات | 67,685 |
| تعداد مشاهده مقاله | 114,961,345 |
| تعداد دریافت فایل اصل مقاله | 89,634,936 |
پیش‌بینی نرخ‌نفوذ ماشین‌های تونل‌بری با استفاده از شبکه عصبی | ||
| نشریه دانشکده فنی | ||
| مقاله 11، دوره 40، شماره 1 - شماره پیاپی 1019، آبان 1385 اصل مقاله (219.74 K) | ||
| نویسندگان | ||
| مهدی یاوری؛ سعید مهدوری* | ||
| چکیده | ||
| در این مقاله ابتدا برخی از روش‌های پیش‌بینی نرخ‌نفوذ TBM مرور شده و سپس نرخ‌نفوذ با منظور کردن پارامترهای نوع سنگ، درصد کوارتز، مقاومت فشاری تک‌محوره، قطر دیسک، نیروی نفوذ هر دیسک و RQD با استفاده از شبکه عصبی پیش‌بینی شده است. با حذف RQD و درصد کوارتز از پارامترهای ورودی، حساسیت شبکه نسبت به حذف این پارامترها مورد بررسی قرار گرفته است. مقایسة نتایج شبکه عصبی با مدل تجربی گراهام، توانایی شبکه عصبی در پیش‌بینی نرخ‌نفوذ و پیش‌بینی نرخ نفوذ TBM تونل گاوشان با استفاده از شبکه عصبی و مدل گراهام بخش‌های پایانی این تحقیق را تشکیل می‌دهد. | ||
| کلیدواژه‌ها | ||
| شبکه عصبی؛ ماشین‌های تونل‌بری(TBM)؛ نرخ نفوذ | ||
| عنوان مقاله [English] | ||
| - | ||
| چکیده [English] | ||
| In this article at first some models of penetration rate prediction were reviewed then a Neuro Network was created for prediction of penetration rate. The Neuro Network inputs are UCS, RQD, normal force on disc cutter, diameter of disc cutter and quartz content. With elimination of quartz content and RQD from input parameters, the response of Neuro Network was investigated. Neuro Network response Compared with Garaham Model, and ability of Neuro Network in penetration rate prediction and prediction penetration rate of Gavoshan Tunnel's TBM were discussed in the latest part of article | ||
|
آمار تعداد مشاهده مقاله: 1,487 تعداد دریافت فایل اصل مقاله: 1,532 |
||