PREVISÃO DA TAXA DE PENETRAÇÃO TBM UTILIZANDO MÁQUINA DE VETOR DE SUPORTE

Geosaberes

Endereço:
Campus do Pici - Departamento de Geografia - Pici
Fortaleza / CE
60440-900
Site: http://www.geosaberes.ufc.br
Telefone: (85) 3366-9855
ISSN: 2178-0463
Editor Chefe: Fábio de Oliveira Matos
Início Publicação: 01/01/2010
Periodicidade: Mensal
Área de Estudo: Geografia

PREVISÃO DA TAXA DE PENETRAÇÃO TBM UTILIZANDO MÁQUINA DE VETOR DE SUPORTE

Ano: 2020 | Volume: 11 | Número: Não se aplica
Autores: Alireza Afradi, Arash Ebrahimabadi, Tahereh Hallajian.
Autor Correspondente: Alireza Afradi | [email protected]

Palavras-chave: TBM. Taxa de penetração. Máquina de vetores de suporte (SVM).

Resumos Cadastrados

Resumo Português:

Uma das questões mais importantes na escavação mecanizada é prever a taxa de penetração do TBM. É importante compreender os fatores que influenciam a taxa de penetração, o que permite uma estimativa mais precisa dos tempos de parada e escavação e dos custos operacionais. Neste estudo, os parâmetros de entrada e saída incluem resistência à compressão uniaxial (UCS), resistência à tração brasileira (BTS), índice de inclinação de pico (PSI), distância entre planos de fraqueza (DPW), ângulo alfa e taxa de penetração (ROP) (m / hr) no túnel de água de Queens usando máquina de vetor de suporte. Os resultados mostraram que a previsão da taxa de penetração para o método SVM (Support Vector Machine) é R2 = 0,9678 e RMSE = 0,064778. De acordo com os resultados, o SVM (Support Vector Machine) é eficaz e tem alta precisão.



Resumo Inglês:

One of the most important issues in mechanized excavating is to predict the TBM penetration rate. Understanding the factors influencing the rate of penetration is important, which allows for a more accurate estimation of the stopping and excavating times and operating costs. In this study, Input and output parameters including Uniaxial Compressive Strength (UCS), Brazilian Tensile Strength (BTS), Peak Slope Index (PSI), Distance between Planes of Weakness (DPW), Alpha angle and Rate of Penetration (ROP) (m/hr) in the Queens Water Tunnel using support vector machine .Results showed that prediction of penetration rate for Support Vector Machine (SVM) method is R2 = 0.9678 and RMSE = 0.064778, According to the results, Support Vector Machine (SVM) is effective and has high accuracy.



Resumo Espanhol:

Una de las cuestiones más importantes en la excavación mecanizada es predecir la tasa de penetración de TBM. Es importante comprender los factores que influyen en la velocidad de penetración, lo que permite una estimación más precisa de los tiempos de parada y excavación y los costos operativos. En este estudio, los parámetros de entrada y salida incluyen la resistencia a la compresión uniaxial (UCS), la resistencia a la tracción brasileña (BTS), el índice de pendiente máxima (PSI), la distancia entre los planos de debilidad (DPW), el ángulo alfa y la tasa de penetración (ROP) (m / h) en el túnel de agua de Queens utilizando la máquina de vectores de soporte. Los resultados mostraron que la predicción de la tasa de penetración para el método de la máquina de vectores de soporte (SVM) es R2 = 0.9678 y RMSE = 0.064778, según los resultados, la máquina de vectores de soporte (SVM) es efectiva Y tiene una alta precisión.