پیش بینی اضافه حفاری در تونل با استفاده از شبکه عصبی پرسپترون چند لایه

اضافه حفاری یکی از پدیده¬های ناخواسته ناشی از فرایند انفجار است که تحت تاثیر دو گروه پارامترهای انفجاری و زمین¬شناسی قرار دارد. در این تحقیق از شبکه های عصبی مصنوعی به منظور پیش¬بینی مقادیر اضافه حفاری به وجود آمده در عملیات انفجار پروژه حفر تونل آب¬بر نیروگاه، طرح سد سردشت استفاده شده است. برای آموزش شبکه¬ی عصبی از مجموعه 407 دسته داده که شامل جزئیات الگوهای طراحی انفجار و شرایط توده سنگ است، استفاده شده است. درنهایت یک شبکه¬ی عصبی سه لایه با ساختار 10 نرون در لایه ورودی،9 نرون در لایه¬ی مخفی و یک نرون در لایه¬ی خروجی، به‌عنوان بهینه¬ترین مدل پیش‌بینی کننده¬ی مقادیر اضافه‌حفاری در این تونل شناسایی شد. عملکرد شبکه¬ی عصبی بهینه، به‌وسیله‌ی آماره¬های ضریب همبستگی بین مقادیر واقعی اضافه¬حفاری و خروجی شبکه‌ی عصبی و میانگین مجموع مربعات خطا برای مجموعه داده¬¬های آزمون مورد ارزیابی قرار گرفت که بر اساس نتایج به‌دست‌آمده از این تحقیق، مقادیر 97948/0 و 037777/0 به ترتیب برای این دو پارامتر محاسبه گردید. همچنین، آنالیز حساسیت نشان می‌دهد که پارامترهای ورودی شامل RMR توده¬ی سنگ، مقاومت فشاری تک‌محوره توده¬ی سنگ، میزان پیشروی در هر مرحله از انفجار و بار سنگ چال‌های محیطی تأثیرگذارترین پارامترها بر روی مقادیر اضافه‌حفاری ایجادشده در این تونل هستند.

انفجار، اضافه‌حفاری، شبکه¬ی عصبی مصنوعی، آنالیز حساسیت