این محصول در قالب پی دی اف و 80 صفحه می باشد.
این پایان نامه جهت ارائه در مقطع کارشناسی ارشد رشته معدن طراحی و تدوین گردیده است . و شامل کلیه مباحث مورد نیاز پایان نامه ارشد این رشته می باشد.نمونه های مشابه این عنوان با قیمت های بسیار بالایی در اینترنت به فروش می رسد.گروه تخصصی ما این پایان نامه را با قیمت ناچیزی جهت استفاده دانشجویان عزیز در رابطه با منبع اطلاعاتی در اختیار شما قرار می دهند. حق مالکیت معنوی این اثر مربوط به نگارنده است. و فقط جهت استفاده ازمنابع اطلاعاتی و بالابردن سطح علمی شما در این سایت ارائه گردیده است.
چکیده:
ماشین های حفار تمام مقطع از مهمترین ماشین های حفاری در تونل ها و فضاهای زیرزمینی
به شمار می روند . به دلیل قیمت بالای ماشین ارزیابی عملکرد در این روش از اهمیت ویژه ای
برخوردار است .
مهمترین شاخص ارزیابی عملکرد TBM نرخ نفوذ این دستگاه است . عوامل موثر متعددی بر
نرخ نفوذ TBM تاثیر دارند که از جمله مهمترین این عوامل می توان ویژگی سنگ بکر ، ویژگی
های توده سنگ و پارامتر های ماشین رانام برد . ویژگی های سنگ بکر شامل مقاومت فشاره
تک محوره ، مقاومت کششی و شکنندگی بوده و ویژگی های توده سنگ شامل امتداد و جهت
یافتگی صفحات ضعیف می باشد . برای پیش بینی نرخ نفوذ روش های تجربی ، روش های
آماری و روش های نسبتا جدید هوشمند مورد استفاده قرار می گیرند . در سال های اخیر
استفاده گسترده از روش های هوشمند در مسائل پیش بینی گزارش شده است . در این
تحقیق با به کارگیری روش شبکه های عصبی و در نظر گرفتن خصوصیات ژئومکانیکی
توده سنگ نرخ نفوذ TMBبرای تونل انتقال آّب کوئینز در نیویورک پیش بینی شده است .
با استفاده از روش سعی و خطا مدل بهینه در نظر گرفته شده دارای ساختار 1-10-4 می باشد .
نتایج مدل شبکه عصبی با نتایج بدست آمده از روش آماری و روش تجربی مقایسه گردید
و مشاهده شد که مدل شبکه عصبی دارای بهترین ضریب تصمیم گیری ، کمترین خطای مطلق
و کمترین خطای نسبی نسبت به دو روش دیگر می باشد . هم چنین آنالیز حساسیت برای داده
های ورودی مشخص نمود که خروجی شبکه به ترتیب نسبت به ضریب شکنندگی و زاویه بین
صفحات ناپیوستگی ها دارای بیشترین و کمترین حساسیت می باشد .
پایان نامه کارشناسی ارشد معدن پیش بینی نرخ نفوذ TBM با استفاده از مدل شبکه های عصبی