A platform for research: civil engineering, architecture and urbanism
A platform for research: civil engineering, architecture and urbanism
پیش‌بینی ضریب بهرهوری ماشین‌های حفر تونل بدون سپر
در این مقاله ابتدا روش‌های پیش‌بینی ضریب بهرهوری CSM و NTH به عنوان سردسته‌های روش‌های تجربی و تئوری‌تجربی مرور شده است. سپس ضمن بررسی ساختار بانک اطلاعاتی استفاده شده جهت پیش‌بینی ضریب بهرهوری، پارامترهای موثر بر ضریب بهرهوری معرفی شده است. با استفاده از تحلیل آماری دو متغیره و چند متغیره معادلاتی برای تعیین ضریب بهرهوری ارائه و بر روی نتایج حاصل از این معادلات بحث شده است. در ادامه با بهره‌گیری از شبکه عصبی، مناسب‌ترین شبکه برای تخمین ضریب بهرهوری تعیین و توانایی شبکه در پیش‌بینی ضریب بهرهوری با مقایسه آن با تحلیل آماری چند متغیره و مقادیر واقعی ضریب بهرهوری، مورد بررسی قرار گرفته است. پیش بینی ضریب بهرهوری TBM تونل گاوشان با استفاده از شبکه عصبی، بخش پایانی این تحقیق را تشکیل می‌دهد.
پیش‌بینی ضریب بهرهوری ماشین‌های حفر تونل بدون سپر
در این مقاله ابتدا روش‌های پیش‌بینی ضریب بهرهوری CSM و NTH به عنوان سردسته‌های روش‌های تجربی و تئوری‌تجربی مرور شده است. سپس ضمن بررسی ساختار بانک اطلاعاتی استفاده شده جهت پیش‌بینی ضریب بهرهوری، پارامترهای موثر بر ضریب بهرهوری معرفی شده است. با استفاده از تحلیل آماری دو متغیره و چند متغیره معادلاتی برای تعیین ضریب بهرهوری ارائه و بر روی نتایج حاصل از این معادلات بحث شده است. در ادامه با بهره‌گیری از شبکه عصبی، مناسب‌ترین شبکه برای تخمین ضریب بهرهوری تعیین و توانایی شبکه در پیش‌بینی ضریب بهرهوری با مقایسه آن با تحلیل آماری چند متغیره و مقادیر واقعی ضریب بهرهوری، مورد بررسی قرار گرفته است. پیش بینی ضریب بهرهوری TBM تونل گاوشان با استفاده از شبکه عصبی، بخش پایانی این تحقیق را تشکیل می‌دهد.
پیش‌بینی ضریب بهرهوری ماشین‌های حفر تونل بدون سپر
مهدی یاوری (author) / سعید مهدوری (author)
2007
Article (Journal)
Electronic Resource
Unknown
Metadata by DOAJ is licensed under CC BY-SA 1.0
تخمین ضریب بهرهوری TBM بر اساس شاخص‌های سیستم طبقه‌بندی مهندسی سنگ و نیروی نفوذ ماشین
| DOAJ | 2010
پیش‌بینی سرعت نفوذ TBM در حفاری سنگ سخت با استفاده از مدل NTH (مطالعه موردی تونل انتقال آب قمرود)
| DOAJ | 2006