fa پیش‌بینی نرخ نفوذ TBM با استفاده از روش شبکه عصبی‌ مصنوعی(مطالعه موردی مترو تبریز) زمین شناسی مهندسی Engineering Geology مطالعه موردی Case-Study امروزه ماشین‎های تونل‎بری TBM‎ (Tunnel Boring Machine) بطور وسیعی در حفر تونل‎ها بخصوص تونل‎های شهری استفاده می‎شوند. این ماشین‎ها بر اساس روش نگهداری سینه‌کار و دیواره‌های تونل، دارای انواع مختلفی می‌باشند. یکی از انواع این ماشین‌ها، سپرهای تعادلی فشار زمین EPB (Earth Pressure Balance) می‌باشد که جهت حفاری خط 1 متروی تبریز مورد استفاده قرار گرفته است. عوامل مختلفی نظیر شرایط زمین‎شناسی، خصوصیات توده سنگ، شیب مسیر و همچنین مشخصات ماشین بکار رفته بر میزان کارآیی این ماشین‎ها تأثیر می‎گذارد. یکی از راههای پیش‎بینی میزان کارآیی این ماشین‎ها، تخمین نرخ نفوذ آنها می‎باشد. در این تحقیق میزان نرخ نفوذ TBM در خط 1 متروی تبریز توسط شبکه عصبی مصنوعی پیش‌بینی گردیده است. پیش‌بینی این پارامتر، کمک شایانی در انجام مراقبت و دقت بیشتر در برخورد با مناطق دردسرساز با دانستن زمان برخورد به این مناطق و همچنین استفاده از فشار EPB مناسب در آنها می‌نماید. از نتایج مهم حاصل از این تحقیق می‌توان به پیش‌بینی میزان نرخ نفوذ با دقت قابل قبول و همچنین تعیین پارامترهای مؤثر به وسیله آنالیز حساسیت صورت گرفته توسط شبکه عصبی اشاره کرد. Tunnel boring machines (TBM) are widely used in excavating urban tunnels. These kinds of machines have different types based on supporting faces and tunnel walls. One type of these machines, is the Earth Pressure Balance (EPB) type that was used in excavating the Line 1 Tunnel of Tabriz Metro. Different parameters such as geological conditions, rock mass properties, dip and machine specifications affect the efficiency of the machine. One method of predicting the efficiency of these machines is to estimate their penetration rates. In this study the value of TBM penetration rates are predicted by an artificial neural network. Predicting of this parameter is so effective for conducting in high risk regions by understanding the time of facing to these regions. The main result of this study is to forecast the penetration rate with an acceptable accuracy and to determine the effective parameters through sensitivity analysis measured by an artificial neural network. کلمات کلیدیپیش‌بینی نرخ نفوذ , تونل متروی تبریز , شبکه عصبی , آنالیز حساسیت , Predicting of TBM penetration rate , Tabriz Metro Tunnel , Artificial neural network , sensitivity analysis , 1217 1234 http://jeg.khu.ac.ir/browse.php?a_code=A-10-106-1&slc_lang=fa&sid=1 حسین اینانلو عربی شاد jegeo1382@gmail.com 100319475328460046 100319475328460046 Yes دانشگاه آزاد اسلامی واحد تهران جنوب Gholam Lashkaripour غلامرضا لشکری پور lashkaripour@um.ac.ir 100319475328460047 100319475328460047 No دانشگاه فردوسی مشهد M Akbari .مجید اکبری sadeghi@um.ac.ir 100319475328460048 100319475328460048 No دانشگاه آزاد