پيش بيني نرخ نفوذ ماشين حفر تونل؛ مقايسه نتايج روش هاي رگرسيون خطي چند متغيره و سيستم استنتاج تطبيقي فازي عصبي

ماشين هاي حفار تمام مقطع از مهمترين ماشين هاي حفاري در تونل ها و فضاهاي زيرزميني به شمار ميروند. به دليل قيمت بالاي ماشين ارزيابي عملكرد در اين روش حفاري از اهميت ويژه اي برخوردار است. بدين منظور مهمترين شاخص ارزيابي عملكرد ماشين حفر تونل نرخ نفوذ اين دستگاه ميباشد. روش هاي متنوعي براي پيش بيني نرخ نفوذ وجود دارد كه مي توان به سه دسته روش هاي تحليلي، آماري و هوش مصنوعي تقسيم بندي نمود. روش هاي رگرسيون خطي چند متغيره ( از زير مجموعه هاي روش آماري) و سيستم استنتاج تطبيقي فازي عصبي (از زيرمجموعه هاي روش هاي هوش مصنوعي) دو رويكرد با كارايي بالا در مدل سازي و تشخيص الگو در داده ها مي باشند. در اين تحقيق با به كار گيري روش رگرسيون خطي و سيستم استنتاج تطبيقي فازي عصبي به پيش بيني نرخ نفوذ ماشين حفر تونل براي تونل انتقال آب كوئينز در نيويورك پرداخته است. نتايج نشان از آن دارد كه مدل استخراج شده از متدولوژي سيستم استنتاج تطبيقي فازي عصبي داراي ضريب همبستگي 0/98و روش رگرسيون خطي چند متغيره داراي ضريب همبستگي 0/62 مي باشد.