ماشین هاي حفار تمام مقطع از مهمترین ماشین هاي حفاري در تونل ها و فضاهاي زیرزمینی به شمار میروند. به دلیل قیمت بالاي ماشین ارزیابی
عملکرد در این روش حفاري از اهمیت ویژه اي برخوردار است. بدین منظور مهمترین شاخص ارزیابی عملکرد ماشین حفر تونل نرخ نفوذ این
دستگاه میباشد. روش هاي متنوعی براي پیش بینی نرخ نفوذ وجود دارد که می توان به سه دسته روش هاي تحلیلی، آماري و هوش مصنوعی تقسیم
بندي نمود. روش هاي رگرسیون خطی چند متغیره ( از زیر مجموعه هاي روش آماري) و سیستم استنتاج تطبیقی فازي عصبی (از زیرمجموعه هاي
روش هاي هوش مصنوعی) دو رویکرد با کارایی بالا در مدل سازي و تشخیص الگو در داده ها می باشند. در این تحقیق با به کار گیري روش
رگرسیون خطی و سیستم استنتاج تطبیقی فازي عصبی به پیش بینی نرخ نفوذ ماشین حفر تونل براي تونل انتقال آب کوئینز در نیویورك پرداخته
0 و روش / است. نتایج نشان از آن دارد که مدل استخراج شده از متدولوژي سیستم استنتاج تطبیقی فازي عصبی داراي ضریب همبستگی 98
0 می باشد. / رگرسیون خطی چند متغیره داراي ضریب همبستگی
کلید واژگان :
پیش بینی نرخ نفوذ، ماشین حفر تونل، رگرسیون خطی چند متغیره، سیستم استنتاج تطبیقی فازي عصبی، تونل کوئینز
