پیشبینی نرخ نفوذ ماشین تونلزنی با استفاده از دسته بندی گروهی دادههای شبکه عصبی
پیشبینی نرخ نفوذ ماشین حفر تونل (TBM) در سنگهای سخت از مهمترین عوامل تاثیرگذار در برآورد هزینه و زمان اتمام حفاری تونل است. در این پژوهش از شبکه عصبی دستهبندی گروهی دادهها (GMDH) برای پیشبینی نرخ نفوذ ماشین حفاری در قطعه جنوبی تونل انتقال آب کرمان استفاده شده است. پس از تشکیل پایگاه داده با اس...
Main Authors: | آلان شوکتی, بهمن احمدی, کیارش نصری |
---|---|
Format: | Article |
Language: | English |
Published: |
Iranian Society of Mining Engineering
2023-06-01
|
Series: | نشریه مهندسی معدن |
Subjects: | |
Online Access: | https://ijme.iranjournals.ir/article_705023_cf24fc2b2e0b5936000ee78b44fb92aa.pdf |
Similar Items
-
تحلیل نرخ نفوذ ماشین حفار تمام مقطع در شرایط سنگسایی
by: سید مهدی پورهاشمی, et al.
Published: (2021-09-01) -
تجزیه متون استنادی در زبان فارسی با استفاده از ماشین بردار پشتیبان
by: نصراله پاکنیت, et al.
Published: (2022-12-01) -
SETDISC نرمافزار دستهبندی ناپیوستگیها به روش خوشهبندی پوآسون
by: ابوالفضل عبدالهی پور, et al.
Published: (2013-01-01) -
بررسی خواص مخزنی با استفاده از دستهبندی و تحلیل رخسارههای لرزهای و کاربرد آن در یکی از میادین خلیج فارس
by: امیر عرفانی, et al.
Published: (2018-02-01) -
مدل بیزین ریسک مشتری بر پایهی مشخصههای عملکردی: یک استراتژی موفق در حفظ مشتری
by: علی اصغر بازدار, et al.
Published: (2021-02-01)