کاربرد روش آنالیز مؤلفه هاي اصلی در پیش بینی نرخ نفوذTBM با استفاده از شبکه هاي عصبی مصنوعی

کاربرد روش آنالیز مؤلفه هاي اصلی در پیش بینی نرخ نفوذTBM با استفاده از شبکه هاي عصبی مصنوعی

 

از فاکتورهاي مهم در پیش بینی عملکرد TBM تعیین نرخ نفوذ حفاري و نرخ پیشروي است. هدف اصلی از این مطالعه، بررسی ،استفاده از آنالیز مؤلفه هاي اصلی در پیش بینی نرخ نفوذ TBM با استفاده از روش شبکه هاي عصبی مصنوعی است. یکی از  بخش هاي مهم در استفاده از روش شبکه هاي عصبی به منظور پیش بینی، انتخاب پارامترهاي ورودي است. آنالیز مؤلفه هاي اصلی یکی از روش هایی است که با استفاده از آن می توان پارامترهاي مؤثر بر نرخ نفوذ را مشخص کرد. براي دستیابی به این هدف، یک پایگاه داده متشکل از خواص توده سنگ، خواص ماده سنگ و مشخصات ماشین ایجاد شده است و سپس نرخ نفوذ با منظور کردن چندین مدل ورودي با استفاده از شبکه هاي عصبی مصنوعی در 10 کیلومتر حفاري تونل زاگرس بدون آنالیز مؤلفه هاي اصلی پیش بینی شده است و سپس با توجه به تعدد پارامترهاي ورودي در شبکه از آنالیز مؤلفه هاي اصلی در انتخاب بهترین پارامترهاي ورودي استفاده شده است که در نهایت شبکه اي با 11 ورودي، مورد تأیید قرار گرفته است. از مقایسه نتایج پیش بینی نرخ نفوذ با استفاده از شبکه هاي عصبی مصنوعی بدون آنالیز مؤلفه هاي اصلی و شبکه عصبی مصنوعی با آنالیز مؤلفه هاي اصلی این نتیجه حاصل می شود که استفاده از آنالیز مؤلفه هاي اصلی تأثیر به سزایی در انتخاب پارامترهاي ورودي شبکه و همچنین نتایج پیش بینی دارد.

 

گردآورنده: محمد مختاریان

 

کارشناس ارشد مهندسی معدن مکانیک سنگ 

سرپرست واحد معدن مجتمع صنایع قائم‌رضا

 

برای مطالعه کامل مقاله فایل زیر را دانلود کنید: