@article { author = {Hosseini, M. and Hosseini, S. J.}, title = {Introducing New Equation for Predicting Penetration Rate of Tunnel Boring Machine}, journal = {Amirkabir Journal of Civil Engineering}, volume = {49}, number = {2}, pages = {313-322}, year = {2017}, publisher = {Amirkabir University of Technology}, issn = {2588-297X}, eissn = {2588-2988}, doi = {10.22060/ceej.2015.398}, abstract = {Tunnel Boring Machines (TBM) is among the most important machines for tunnel excavation purposes. Evaluation of the performance of these machines for excavation is of special importance due to the high cost of these machines. Prediction of the penetration rate is one of the indicators in evaluation of TBMs. There are various methods and equations for predicting the penetration rate, which are based on parameters related to the rock mass and specifications of the machine, and each of them has its own particular characteristics. Multivariable linear regressions, artificial neural networks, and adaptive neuro-fuzzy inference systems are among the highly efficient modeling and data pattern recognition methods. In this research, some equations have been proposed for predicting the penetration rate in Zagros I Tunnel by employing multivariable linear regression method and by considering the key parameters of the rock mass and the specifications of the TBM; the best equation was selected according to the results of statistical analysis. For verifying the validity of this equation, the penetration rate was calculated at certain parts of Ghomrood Tunnel. In comparison with the real values and results of other models, the outcomes of calculations indicate that predicted values for the penetration rate are of acceptable accuracy.}, keywords = {Penetration Rate,TBM,Rock,Water conveyance tunnel,Zagros I}, title_fa = {ارائه رابط هی جدید برای پی شبینی نرخ نفوذ ماشین حفاری تی بی ام ( TBM ) سنگ}, abstract_fa = {ماشینهای حفار تمام مقطع (TBM) از مهم ترین ماشینهای حفاری در تونلها به شمار می روند. بدلیل قیمت بالای ماشین، ارزیابی عملکرد در حفاری با استفاده از این ماشینها از اهمیت ویژه ای برخوردار است. یکی از شاخص ارزیابی عملکرد ماشین حفر تونل، پیش بینی نرخ نفوذ این دستگاه می باشد. روشها و روابط متنوعی برای پیش بینی نرخ نفوذ وجود دارد که هر کدام ویژگیهای خاص خود را دارد و بر اساس پارامترهای مربوط به توده سنگ و مشخصات ماشین ارائه شده اند. روشهای رگرسیون خطی چند متغیره، شبکه عصبی و سیستم استنتاجی تطبیقی فازی عصبی از روشهای با کارایی بالا در مدل سازی و تشخیص الگو در داده ها می باشند. در این تحقیق با بکارگیری روش رگرسیون خطی چند متغیره و با در نظر گرفتن پارامترهای کلیدی توده سنگ و ماشین حفر تونل (TBM) روابطی برای پیش بینی نرخ نفوذ در تونل زاگرس 1 ارائه گردید و بر اساس تحلیلهای آماری بهترین رابطه انتخاب گردید. برای بررسی اعتبار سنجی، نرخ نفوذ در بعضی مقاطع تونل قمرود توسط رابطه پیشنهادی محاسبه شد. نتایج محاسبات در مقایسه با مقادیر واقعی و نتایج سایر مدلها نشان می دهد مقادیر پیش بینی شده نرخ نفوذ توسط رابطه پیشنهادی از دقت قابل قبولی برخوردار است.}, keywords_fa = {Penetration Rate,TBM,Rock,Water conveyance tunnel,Zagros I}, url = {https://ceej.aut.ac.ir/article_398.html}, eprint = {https://ceej.aut.ac.ir/article_398_ca4efa820f3a57293096eed41869265e.pdf} }