Будь ласка, використовуйте цей ідентифікатор, щоб цитувати або посилатися на цей матеріал:
http://ir.nmu.org.ua/handle/123456789/160784
Повний запис метаданих
Поле DC | Значення | Мова |
---|---|---|
dc.contributor.author | Afradi, Alireza | - |
dc.contributor.author | Ebrahimabadi, Arash | - |
dc.contributor.author | Hallajian, Tahereh | - |
dc.date.accessioned | 2022-06-30T22:40:27Z | - |
dc.date.available | 2022-06-30T22:40:27Z | - |
dc.date.issued | 2021-12-30 | - |
dc.identifier.issn | 2415-3443 | - |
dc.identifier.issn | 2415-3435 | - |
dc.identifier.uri | http://ir.nmu.org.ua/handle/123456789/160784 | - |
dc.description.abstract | Purpose. Disc cutters are the main cutting tools for the Tunnel Boring Machines (TBMs). Prediction of the number of consumed disc cutters of TBMs is one of the most significant factors in the tunneling projects. Choosing the right model for predicting the number of consumed disc cutters in mechanized tunneling projects has been the most important mechanized tunneling topics in recent years. Methods. In this research, the prediction of the number of consumed disc cutters considering machine and ground conditions such as Power (KW), Revolutions per minute (RPM) (Cycle/Min), Thrust per Cutter (KN), Geological Strength Index (GSI) in the Sabzkooh water conveyance tunnel has been conducted by multiple linear regression analysis and multiple nonlinear regression, Gene Expression Programming (GEP) method and Support Vector Machine (SVM) approaches. Findings. Results showed that the number of consumed disc cutters for linear regression method is R2 = 0.95 and RMSE = 0.83, nonlinear regression method is – R2 = 0.95 and RMSE = 0.84, Gene Expression Programming (GEP) method is – R2 = 0.94 and RMSE = 0.95, Support Vector Machine (SVM) method is – R2 = 0.98 and RMSE = 0.45. Originality. During the analyses, in order to evaluate the accuracy and efficiency of predictive models, the coefficient of determination (R2) and root mean square error (RMSE) have been used. Practical implications. Results demonstrated that all four methods are effective and have high accuracy but the method of support vector machine has a special superiority over other methods. | uk_UA |
dc.description.abstract | Мета. Вибір правильної моделі для прогнозування кількості витрачених дискових фрез у проектах механізованої проходки тунелів. Методика. У цьому дослідженні кількість витрачених дискових фрез була розрахована з урахуванням характеристик комбайна та ґрунту, таких як потужність (кВт), кількість обертів за хвилину (об/хв) (цикл/хв), зусилля на фрезу (кН), індекс геологічної міцності (GSI) для умов водопровідного тунелю Сабзкох. Прогнозування було проведено за допомогою множинного лінійного та нелінійного регресійного аналізу, методу програмування експресії генів (GEP) та методу опорних векторів (SVM). В ході аналізу для оцінки точності та ефективності прогнозних моделей використовувалися коефіцієнт детермінації (R2) та середньоквадратична помилка (RMSE). Результати. Результати показали, що при прогнозуванні кількості витрачених дискових фрез методом лінійної регресії R2 = 0.95 та RMSE = 0.83, методом нелінійної регресії – R2 = 0.95 та RMSE = 0.84, методом програмування експресії генів (GEP) – R2 = 0.94 та RMSE = 0.95, і методом опорних векторів (SVM) – R2 = 0.98 та RMSE = 0.45. Результати показали, що всі чотири мето-ди ефективні та мають високу точність, але метод опорних векторів має перевагу перед іншими методами. Наукова новизна. Встановлено характер розподілу та відповідності між виміряними значеннями кількості витрачених дискових фрез та прогнозованою кількістю витрачених дискових фрез за допомогою різних методів математичного моделювання. Практична значимість. Визначено оптимальний метод прогнозування витрати дискових фрез, що дозволяє підвищити ефективність проходження тунелів. | uk_UA |
dc.description.abstract | Цель. Выбор правильной модели для прогнозирования количества израсходованных дисковых фрез в проектах механизированной проходки туннелей. Методика. В данном исследовании количество израсходованных дисковых фрез было рассчитано с учетом характеристик комбайна и грунта, таких как мощность (кВт), число оборотов в минуту (об/мин) (цикл/мин), усилие на фрезу (кН), индекс геологической прочности (GSI) для условий водопроводного тоннеля Сабзкох. Прогнозирование было проведено с помощью множественного линейного и нелинейного регрессионного анализа, метода программирования экспрессии генов (GEP) и метода опорных векторов (SVM). В ходе анализа для оценки точности и эффективности прогнозных моделей использовались коэффициент детерминации (R2) и среднеквадратичная ошибка (RMSE). Результаты. Результаты показали, что при прогнозировании количества израсходованных дисковых фрез методом линейной регрессии R2 = 0.95 и RMSE = 0.83, методом нелинейной регрессии – R2 = 0.95 и RMSE = 0.84, методом программирования экспрессии генов (GEP) – R2 = 0.94 и RMSE = 0.95, и методом опорных векторов (SVM) – R2 = 0.98 и RMSE = 0.45. Результаты показали, что все четыре метода эффективны и обладают высокой точностью, но метод опорных векторов имеет преимущество перед другими методами. Научная новизна. Установлен характер распределения и соответствия между измеренными значениями количества израсходованных дисковых фрез и прогнозируемым количеством израсходованных дисковых фрез при помощи различных методов математического моделирования. Практическая значимость. Определен оптимальный метод прогнозирования расхода дисковых фрез, что позволяет повысить эффективность проходки туннелей. | uk_UA |
dc.description.sponsorship | The authors would like to thank the anonymous reviewers and editor for their valuable comments. | uk_UA |
dc.language.iso | en | uk_UA |
dc.publisher | Dnipro University of Technology | uk_UA |
dc.relation.ispartof | Mining of Mineral Deposits | |
dc.subject | regression | uk_UA |
dc.subject | gene expression programming | uk_UA |
dc.subject | support vector machine | uk_UA |
dc.subject | Sabzkooh water conveyance tunnel | uk_UA |
dc.title | Prediction of the number of consumed disc cutters of tunnel boring machine using intelligent methods | uk_UA |
dc.type | Article | uk_UA |
dc.identifier.udk | 622.232.83 | uk_UA |
dc.identifier.doi | https://doi.org/10.33271/mining15.04.068 | |
dc.citation.volume | 15 | |
dc.citation.issue | 4 | |
dc.citation.spage | 68 | |
dc.citation.epage | 74 | |
Розташовується у зібраннях: | Volume 15, Issue 4 |
Файли цього матеріалу:
Файл | Опис | Розмір | Формат | |
---|---|---|---|---|
08_Afradi, Ebrahimabadi, Hallajian.pdf | 993,12 kB | Adobe PDF | Переглянути/Відкрити |
Усі матеріали в архіві електронних ресурсів захищені авторським правом, всі права збережені.