‫نشریه مهندسی عمران امیرکبیر‬

‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ 53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحات ‪ 935‬تا ‪954‬‬
‫‪DOI: 10.22060/ceej.2019.16692.6310‬‬

‫تحلیل احتماالتی مدل‌های برآورد نرخ پیشروی ماشین حفر تمام مقطع تونل‬

‫محسن سرداری‪ ،‬شکر اله زارع* ‪ ،‬مسعود مزرعه لی‬

‫دانشکده مهندسی معدن‪ ،‬نفت و ژئوفیزیک‪ ،‬دانشگاه صنعتی شاهرود‪ ،‬شاهرود‪ ،‬ایران‪.‬‬

‫تاریخچه داوری‪:‬‬ ‫خالصه‪ :‬عدم‌قطعیت‌ها و تغییرات در داده‌های به دست آمده از سنگ‌های موجود در مسیر تونل وجود دارد‪ .‬برای بررسی‬
‫دریافت‪1398/04/15 :‬‬
‫اثر عدم‌قطعیت‌ها یک ابزار آماری‪-‬احتماالتی که اجازه گسترش عدم‌قطعیت پارامترهای ورودی را به معیار طراحی می‌دهد‪،‬‬
‫بازنگری‪1398/07/10 :‬‬
‫مورد نیاز است‪ .‬یکی از پارامترهای مهم در تخمین زمان و هزینه یک پروژه تونل‌سازی‪ ،‬پیش‌بینی عملکرد ماشین حفار‬
‫پذیرش‪1398/08/08 :‬‬
‫ارائه آنالین‪1398/08/16 :‬‬ ‫است‪ .‬هدف از انجام این مطالعه‪ ،‬استفاده از روش‌های احتماالتی جهت تخمین نرخ پیشروی ماشین های حفار تمام‬
‫مقطع است‪ .‬برای این منظور از روابط مدل‌های بارتن (‪ ،)QTBM‬مؤسسه علوم و فناوری نروژ (‪ )NTNU‬و مدرسه معدن‬
‫کلمات کليدي‪:‬‬
‫کلرادو (‪ ،)CSM‬به عنوان تابع عملکرد در روش شبیه‌سازی مونت‌کارلو ‪ 75‬استفاده شده است‪ .‬ابتدا با استفاده از اطالعات‬
‫تحلیل احتماالتی‪،‬‬
‫واحدهای زمین‌شناسی و حفاری قطعه ‪ 2‬تونل انتقال آب الر‪-‬کالن تابع توزیع احتمال مناسب برای پارامترهای ورودی‬
‫عدم‌قطعیت‪،‬‬
‫مدل‌ها مشخص شده و سپس با اجرای شبیه‌سازی‪ ،‬بازه نرخ پیشروی با قطعیت ‪ 95‬درصد محاسبه شده است‪ .‬با مقایسه‬
‫نرخ پیشروی‪،‬‬
‫نتایج مدل‌ها با مقدار واقعی نرخ پیشروی‪ ،‬مشخص شد که مدل ‪ QTBM‬در تمامی واحدهای زمین‌شناسی و مدل ‪CSM‬‬
‫شبیه‌سازی‌مونت‌کارلو‪،‬‬
‫در طول کل تونل‪ ،‬متوسط نرخ پیشروی نزدیکتری به مقدار واقعی نرخ پیشروی تخمین زد ‌ه است‪ .‬نتایج تحلیل احتماالتی‬
‫بازه اطمینان‪.‬‬
‫نشان می دهد که بازه نرخ پیشروی محاسبه شده توسط مدل ‪ NTNU‬در تمامی واحدهای زمین‌شناسی بسیار کمتر از‬
‫بازه مقدار واقعی نرخ پیشروی است‪ .‬همچنین‪ ،‬بررسی پارامترهای مؤثر بر مدل های مذکور نشان می دهد که برخالف‬
‫مدل‌های ‪ QTBM‬و ‪ ،CSM‬پارامترهای عملیاتی تأثیر بیشتری در نرخ پیشروی محاسبه شده توسط مدل ‪ NTNU‬دارند‪.‬‬

‫می‌شود‪.‬‬ ‫‪ -1‬مقدمه‬
‫مدل‌ها و روش‌های مختلفی برای پیش‌بینی پارامترهای عملکرد‬ ‫ماشین حفر تمام مقطع تونل (‪ )TBM‬امروزه یکی از رایج‌ترین‬
‫ماشین وجود دارد که هر کدام ویژگی‌های خاص خود را دارد و‬ ‫روش‌ها در حفاری بسیاری از پروژه‌های تونل‌سازی با شرایط‬
‫بر اساس پارامترهای مربوط به سنگ بکر‪ ،‬توده‌سنگ و مشخصات‬ ‫زمین‌شناسی مختلف است‪ .‬مدت زمان و هزینه‌های اجرا از پارامترهای‬
‫ماشین ارائه شده‌اند‪ .‬مدل‌های ارائه شده به دو دسته نظری و تجربی‬ ‫کلیدی در موفقیت کاربرد ماشین حفر تونل است‪ .‬از همان ابتدای‬
‫تقسیم‌بندی شده‌ند‪ .‬از مدل‌های نظری می‌توان به مدل‌های راکس‬ ‫استفاده از ماشین حفر تونل‪ ،‬تخمین عملکرد ماشین اصلی‌ترین‬
‫برو و فیلیپس [‪ ،]1‬سانیو [‪ ،]2‬ساتو [‪ ،]3‬اسنودن و همکاران [‪،]4‬‬ ‫قسمت در تخمین هزینه و زمان پروژه بوده است‪ .‬با پیشرفت فناوری‬
‫بوید [‪ ]5‬و اوزدمیر [‪ ]6‬اشاره کرد‪ .‬مدل‌های پیش‌بینی تجربی بر‬ ‫ساخت ماشین‌‌های حفر تونل‪ ،‬از ماشین حفر تمام مقطع تونل به‬
‫اساس نحوه ارائه به دو دسته بر مبنای پارامترهای توده‌سنگ و بر‬ ‫عنوان یک جایگزین مناسب روش‌‌های متداول‪ ،‬حتی در شرایط‬
‫مبنای مطالعات آزمایشگاهی تقسیم‌بندی شده‌اند‪ .‬از مدل‌های تجربی‬ ‫زمین‌‌شناسی پیچیده استفاده شده است‪ .‬با گسترش استفاده از این‬
‫بر مبنای مطالعات آزمایشگاهی می‌توان مدل‌های گراهام [‪ ،]7‬فارمر‬ ‫ماشین‌‌ها‪ ،‬پیش‌بینی دقیق عملکرد ماشین امری حیاتی و مهم تلقی‬
‫* نویسنده عهده‌دار مکاتبات‪zare@shahroodut.ac.ir :‬‬
‫حقوق مؤلفین به نویسندگان و حقوق ناشر به انتشارات دانشگاه امیرکبیر داده شده است‪ .‬این مقاله تحت لیسانس آفرینندگی مردمی (‪)Creative Commons License‬‬
‫در دسترس شما قرار گرفته است‪ .‬برای جزئیات این لیسانس‪ ،‬از آدرس ‪ https://www.creativecommons.org/licenses/by-nc/4.0/legalcode‬دیدن فرمائید‪.‬‬
‫‪935‬‬
 ‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬
‫پرداخته‌اند‪ .‬در این مطالعات‪ ،‬زمان حفاری تونل شبیه‌سازی شده و‬
‫زمان حفر تونل به صورت توزیع احتمال به دست آمده است‪ .‬در‬
‫مطالعات شعبانی و همکاران [‪ ]25‬تأثیر عوامل عدم‌قطعیت در هزینه‬
‫پروژه‌های تونل‌سازی با استفاده از شبیه‌سازی مونت‌کارلو بررسی شده‬
‫است‪ .‬در این مطالعه ابتدا توابع توزیع احتمال نرخ تورم‪ ،‬نرخ برابری‬
‫ارز و تاخیر زمانی با توجه به داده‌های موجود به دست آمده و سپس‬
‫دامنه تغییرات هزینه کل پروژه با ‪ 95‬درصد قطعیت برآورد گردیده‬
‫است‪ .‬پیاجو و همکاران [‪ ]26‬در یک پروژه تونل‌سازی با استفاده از‬
‫مدل مدرسه معدن کلرادو (‪ ،)CSM‬سرعت حفاری ماشین حفر تونل‬
‫را پیش‌بینی کرده‌اند‪ .‬در ابتدا با روش شبیه‌سازی مونت‌کارلو تابع‬
‫توزیع احتمال مناسب برای سرعت حفاری و نرخ پیشروی ماشین حفر‬
‫تونل تعیین و سپس سناریوهای مختلفی برای زمان تکمیل پروژه ارائه‬
‫شده است‪ .‬همچنین فرنزل [‪ ]27‬نیز از ترکیب مدل ‪ CSM‬و روش‬
‫شبیه‌سازی مونت‌کارلو برای بدست آوردن هیستوگرام نرخ نفوذ ماشین‬
‫حفر تونل و عمر برش‌دهنده‌ بر اساس توابع توزیع احتمال پارامترهای‬
‫این مدل استفاده کرده است‪ .‬سپس مقایسه‌ای بین مقدار میانگین‬
‫محاسبه شده با روش شبیه‌سازی مونت‌کارلو با میانگین مقدار واقعی‬
‫برای دو پارامتر‪ ،‬انجام شده است‪ .‬افتخاری و همکاران [‪ ]28‬با استفاده‬
‫از ترکیب شبکه‌های عصبی مصنوعی و روش شبیه‌سازی مونت‌کارلو‪،‬‬
‫نرخ نفوذ ماشین حفر تونل را پیش‌بینی کرده‌اند‪ .‬در این مطالعه‬
‫ابتدا با استفاده از مشخصات سنگ بکر‪ ،‬توده‌سنگ و پارامترهای‬
‫اجرایی ماشین و روش شبکه عصبی مصنوعی‪ ،‬شبکه بهینه با انجام‬
‫آزمایش‌های مختلف به دست آمده است‪ .‬سپس به منظور ارزیابی‬
‫شبکه بهینه‪ ،‬مجموعه پارامترهای اجرایی ماشین با استفاده از روش‬
‫مونت‌کارلو و به طور تصادفی ایجاد شده و نتایج خروجی با مقادیر‬
‫واقعی مورد مقایسه قرار گرفته است‪ .‬در مطالعات چپور و همکاران‬
‫[‪ ]29‬عملکرد ماشین حفاری سپر متعادل کننده فشار زمین (‪)EPB‬‬
‫توسط ترکیب مدل قطعی و روش شبیه‌سازی مونت‌کارلو برآورد شده‬
‫است‪ .‬در این مطالعه پس از تعیین توابع توزیع احتمال پارامترهای‬
‫ورودی مدل قطعی‪ ،‬شبیه‌سازی انجام شده و تابع توزیع احتمال نرخ‬
‫پیشروی و پارامترهای هدف دیگر با ‪ 95‬درصد قطعیت محاسبه شده‬
‫است‪ .‬یاگیز و کاراهان [‪ ]30‬مدل های پیش بینی عملکرد ‪ TBM‬را‬
‫با استفاده از تکنیک های بهینه سازی ارائه نموده و عنوان کردند که‬
‫نتایج حاصل از این مدل ها با مدل های مقبول پیشین تفاوت اندکی‬
‫‪936‬‬
‫[‪ ،]8‬نلسون و همکاران [‪ ]9‬و بامفورد [‪ ]10‬را نام برد‪ .‬مدل‌های‬
‫تجربی مبتنی بر پارامترهای توده‌سنگ نیز بر اساس روش استفاده‬
‫شده به سه دسته تقسیم شده‌اند‪ .‬مدل‌های گریما و همکاران [‪،]11‬‬
‫ارمغان و همکاران [‪ ، ]12‬میکائیل و همکاران [‪ ]13‬از سیستم‌های‬
‫طبقه بندی فازی برای ارائه مدل استفاده کرده‌اند‪ .‬همچنین مدل‌های‬
‫مؤسسه علوم و فناوری نروژ (‪ ،]14[ )NTNU‬رمضان زاده [‪،]15‬‬
‫حسن پور و همکاران [‪ ]16‬و فرخ و همکاران [‪ ]17‬از روش‌های آماری‬
‫استفاده کرده‌اند‪ .‬مدل‌های شاخص توده سنگ (‪ ،]18[ )RMi‬بارتن‬
‫(‪ ]19[ )QTBM‬و حفرپذیری توده سنگ (‪ ]20[ )RME‬نیز مبتنی بر‬
‫سیستم‌های رده‌بندی توده‌سنگ هستند‪.‬‬
‫در برخی از مدل‌های پیش‌بینی‪ ،‬آزمایش‌های خاصی انجام‬
‫[‬
‫می‌گیرد که نتیجه این آزمایش‌ها‪ ،‬در پیش‌بینی عملکرد ‪ TBM‬در‬
‫برخورد با واحدهای سنگی مسیر تونل تأثیرگذار است‪ .‬بنابراین با‬
‫توجه به آزمایش‌های انجام‌شده و گستردگی پایگاه داده مدل‌ها‪ ،‬برخی‬
‫از آنها بیشتر مورد استفاده قرار می‌گیرند‪ .‬از مهم‌ترین این مدل‌ها‬
‫می‌توان به مدل ‪ NTNU ،CSM‬و ‪ QTBM‬اشاره کرد‪ .‬در سالیان اخیر‬
‫نیز مطالعاتی در این زمینه توسط آووندوک و چپور [‪ ]21‬و آتش و‬
‫همکاران [‪ ]22‬انجام شده است‪ .‬اما به دلیل محدود بودن امکانات‬
‫آزمایشگاهی امکان انجام مطالعات مذکور به صورت گسترده وجود‬
‫ندارد‪ .‬پیچیدگی‌‌ها و عدم‌قطعیت‌‌های موجود در پروژه‌‌های مرتبط با‬
‫زمین‪ ،‬دقت روابط ارائه شده را کاهش می‌‌دهد‪ .‬به خصوص چنانچه‬
‫ساختگاه و شرایط زمین‌شناسی تونل مورد پیش‌بینی و تونلی که بر‬
‫اساس آن روابط پیش‌بینی ارائه شده است‪ ،‬متفاوت باشد‪ .‬این امر‬
‫منجر به استفاده از روش‌‌های آماری و احتماالتی برای پیش‌بینی‬
‫عملکرد ماشین شده و در بعضی موارد به جای یک عدد مشخص‪ ،‬یک‬
‫دامنه برای نرخ نفوذ یا پیشروی پیشنهاد شده است‪ .‬به ویژه اگر هدف‬
‫ارائه مدل جامع باشد که در ساختارهای با شرایط ساختارهای سنگی‬
‫متنوع قابل استفاده باشد‪ ،‬پیش‌‌بینی دقیق مقدار پارامترهای عملکرد‬
‫ماشین بسیار سخت خواهد بود‪.‬‬
‫استفاده از روش‌های احتماالتی بدلیل وجود عدم‌قطعیت در‬
‫مسائل ژئوتکنیکی بسیار حائز اهمیت است‪ .‬بررسی عدم‌قطعیت در‬
‫بخش‌های مختلف مسائل ژئوتکنیک مورد مطالعه قرار گرفته است‪.‬‬
‫وارگاس و همکاران [‪ ]23‬و بابائی [‪ ]24‬در مطالعات خود به معرفی‬
‫روش شبیه‌سازی مونت‌کارلو و کاربرد آن در طراحی و حفر تونل‬
 ‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬
‫و مقادیر به دست آمده برای طول کل واحد اعمال می‌شود‪ .‬وجود‬
‫عدم‌قطعیت در این داده‌ها باعث می‌شود که نتوان در هر نقطه‌ای‪،‬‬
‫با استفاده از مدل‌ها‪ ،‬پارامترهای عملکرد ماشین را محاسبه کرد‪.‬‬
‫در روش‌های احتماالتی به خصوص روش شبیه‌سازی مونت‌کارلو‪ ،‬با‬
‫تولید داده‌های تصادفی زیاد از توابع توزیع احتمال پارامترهای ورودی‬
‫مدل‌ها‪ ،‬حالت‌های مختلف بررسی شده و هیستوگرام نرخ پیشروی‪،‬‬
‫بازه‪ ،‬میانگین و شکل تغییرات داده‌ها به دست می‌آید‪ .‬همچنین در‬
‫رابطه با به دست آوردن بازه تغییرات بر اساس مدل‌های مختلف‪ ،‬باید‬
‫گفت‪ ،‬چنانچه مدلی‪ ،‬بازه و متوسط نزدیکتری به بازه و متوسط مقدار‬
‫واقعی تخمین بزند‪ ،‬با احتمال زیادی در حالت تحلیل قطعی‪ ،‬منظور‬
‫نقطه به نقطه‪ ،‬نسبت به مدلی که بازه به دست آمده از آن‪ ،‬بازه مقدار‬
‫واقعی را در بر نمی‌گیرد‪ ،‬مقدار نزدیکتری تخمین خواهد زد‪.‬‬
‫با وجود این که شبیه سازی مونت کارلو با هدف تحلیل احتماالتی‬
‫نرخ پیشروی حفاری تونل های مکانیزه در ترکیب با محاسبات نرم‬
‫در مطالعات پیشین انجام شده است‪ ،‬اما تاکنون بررسی و مقایسه‬
‫احتماالتی نتایج حاصل از مدل های پیش‌بینی مرسوم مورد توجه‬
‫قرار نگرفته است‪ .‬هدف از انجام این مطالعه‪ ،‬استفاده از مدل‌های‬
‫‪ NTNU ،QTBM‬و ‪ CSM‬در ترکیب با روش شبیه‌سازی مونت‌کارلو‬
‫برای محاسبه نرخ پیشروی ماشین حفر تمام مقطع قطعه ‪ 2‬تونل‬
‫انتقال آب الر‪-‬کالن است‪ .‬تونل مورد مطالعه از لحاظ زمین‌شناسی‬
‫جزء شرایط ضعیف است‪ .‬همان‌طور که بیان شد از روش شبیه‌سازی‬
‫مونت‌کارلو در برخی از مطالعات برای محاسبه نرخ نفوذ ‪ TBM‬استفاده‬
‫شده ولی نرخ پیشروی با استفاده از روش احتماالتی محاسبه نشده‬
‫است‪ .‬باید گفت که ماشین حفر تونل در هنگام حفاری در واحدهای‬
‫زمین‌شناسی در مقاطع مختلف‪ ،‬دارای ضریب بهره‌وری مختلفی‬
‫بوده که این پارامتر را نیز باید به صورت تابع توزیع احتمال در نظر‬
‫گرفت‪ .‬بنابراین با محاسبه نرخ نفوذ به صورت تابع توزیع احتمال و‬
‫در نظر گرفتن ضریب بهره‌وری نیز به صورت تابع توزیع احتمال‪ ،‬نرخ‬
‫پیشروی که از حاصلضرب این دو پارامتر محاسبه می‌شود‪ ،‬به صورت‬
‫تابع توزیع احتمال خواهد بود‪ .‬بنابراین با توجه به عدم‌قطعیت‌های‬
‫موجود در پارامترهای زمین‌شناسی و پارامترهای عملکرد ماشین‪،‬‬
‫روش شبیه‌سازی مونت‌کارلو یک ابزار بسیار کارامد برای در نظر‬
‫گرفتن عدم‌قطعیت‌های موجود است‪.‬‬
‫سنگ و غیره‪ ،‬فقط در بخش‌ها یا نقاط خاصی از تونل انجام گرفته‬
‫‪937‬‬
‫دارند‪ .‬سلیمی و همکاران [‪ ]31‬تکنیک آماری درخت طبقه بندی و‬
‫رگرسیون (‪ )CART‬را به منظور برآورد عملکرد ‪ TBM‬ارائه نمودند‬
‫که در آن هر دو پارامتر مربوط به توده سنگ و ماشین دخیل هستند‪.‬‬
‫رسولی ملکی [‪ ]32‬روش نرخ درزه سنگ (‪ )RJR‬را با تأکید بر نقش‬
‫درزه ها در عملکرد دستگاه و مبتنی بر داده های زمین شناختی و‬
‫عملیاتی جمع آوری شده حین حفاری مکانیزه در گروهی از سنگ‬
‫های آذرین و رسوبی برای پیش بینی نرخ نفوذ ‪ TBM‬در سنگ های‬
‫سخت پیشنهاد کرد‪ .‬مطالعه مشابهی توسط ماجی و تیا [‪ ]33‬برای‬
‫پیش‌بینی نرخ نفوذ ماشین حفر تونل انجام شده است‪ .‬در این مطالعه‬
‫از رگرسیون چندمتغیره برای به دست آوردن مدل تجربی بر اساس‬
‫اطالعات ‪ 6‬پروژه تونل‌سازی استفاده شده و سپس ترکیب این مدل و‬
‫روش شبیه‌سازی مونت‌کارلو برای ارائه هیستوگرام نرخ نفوذ بکار برده‬
‫شده است‪ .‬نتایج نشان داد که مقدار نرخ نفوذ محاسبه شده با ترکیب‬
‫روش احتماالتی و مدل تجربی نسبت به مقدار متوسط محاسبه شده‬
‫با مدل تجربی تنها‪ ،‬مقدار نزدیک‌تری به مقدار نرخ نفوذ واقعی تخمین‬
‫زده است‪.‬‬
‫تجزیه و تحلیل عدم‌قطعیت یک چارچوب منظم برای کمی کردن‬
‫عدم‌قطعیت‌های خروجی مدل تهیه می‌کند و با استفاده از آن می‌توان‬
‫تأثیر پارامترهای ورودی و مدل را بر عدم‌قطعیت کلی خروجی مدل‬
‫تعیین کرد‪ .‬برای توصیف عدم‌قطعیت یک پارامتر‪ ،‬یک تابع یا یک‬
‫مدل از مشخصه‌های مختلفی استفاده می‌شود‪ .‬عدم‌قطعیت مدل‌ها‬
‫یا توابع‪ ،‬عموماً از عدم‌قطعیت پارامترهای مؤثر در آنها ناشی می‌شود‪.‬‬
‫کامل‌ترین نحوه توصیف یک پارامتر‪ ،‬تعیین تابع توزیع احتمال مربوط‬
‫به آن پارامتر است‪ .‬کمیت دیگری که برای توصیف عدم‌قطعیت مورد‬
‫استفاده قرار می‌گیرد‪ ،‬بازه‌های اطمینان است‪ .‬یک بازه اطمینان‪،‬‬
‫محدوده‌ای بین دو عدد بوده که مقدار متغیر نامطمئن با احتمال‬
‫مشخص‪ ،‬داخل آن بازه قرار می‌گیرد‪.‬‬
‫در طول یک واحد زمین‌شناسی می‌توان با استفاده از مدل‌های‬
‫تجربی یا نظری‪ ،‬در نقاط مختلف پارامترهای عملکرد ماشین مانند‬
‫نرخ نفوذ یا نرخ پیشروی را محاسبه کرد‪ ،‬ولی محاسبات‪ ،‬به وجود‬
‫داده مورد نیاز مدل در هر یک از آن نقاط یا مقاطع بستگی دارد‪.‬‬
‫در پروژه‌های تونل‌سازی مانند پروژه استفاده شده در این تحقیق‪،‬‬
‫برخی از داده‌ها مانند نتایج مطالعات آزمایشگاهی‪ ،‬شاخص کیفیت‬
 ‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫به عدم‌قطعیت بوده‪ ،‬و در نظر گرفتن این میزان عدم‌قطعیت در فرآیند‬
‫تصمیم‌گیری ضروری است‪ .‬امروزه از مفاهیم آماری و احتماالتی برای‬
‫تشریح و توصیف تغییرپذیری پارامترهای ورودی انتخاب شده استفاده‬
‫می‌کنند‪ .‬در روش‌های رایج برای تعیین پارامترهای ژئومکانیکی‌سنگ‬
‫معموالً از مقدار میانگین پارامترها استفاده می‌شود‪ .‬حتی تحت بهترین‬
‫شرایط نیز مقدار میانگین بهترین نماینده این پارامترها نیست‪ .‬بنابراین‬
‫با توجه به تغییرات ذاتی پارامترهای ژئومکانیکی‪ ،‬ضروری است که‬
‫توزیع این پارامترها لحاظ شود‪ .‬لذا روش‌هایی در طراحی که مساله‬
‫عدم‌قطعیت‌ها و برآیند آنها را در نظر بگیرند‪ ،‬بسیار با ارزش هستند‬
‫[‪.]36‬‬
‫شکل ‪ 1‬یک طرح از روش تحلیل احتماالتی را نمایش می‌دهد‪.‬‬
‫همان‌طور که مشاهده می‌شود‪ ،‬پارامترهای ورودی به صورت تابع‬
‫توزیع بوده و پس از جایگذاری در مدل ریاضی‪ ،‬خروجی نیز به صورت‬
‫تابع توزیع بدست آمده است [‪.]34‬‬
‫از روش‌های احتماالتی می‌توان روش‌های تخمین نقطه‌ای‪ ،‬سری‬
‫تیلور و روش ‌شبیه‌سازی مونت‌کارلو را نام برد‪ .‬روش‌های تخمین‬
‫نقطه‌ای و سری تیلور بیشتر در مسائل مربوط به پایداری سطوح‬
‫شیبدار استفاده شده و در مسائل پیش‌بینی عملکرد ماشین حفر تونل‬
‫مورد استفاده قرار نگرفته است‪ .‬در بیشتر مسائل ژئوتکینیک‪ ،‬برای‬
‫پارامترهای سنگ و خاک تابع توزیع احتمال نرمال و الگ‌نرمال فرض‬
‫می‌شود؛ اما در واقعیت‪ ،‬شاید پارامترها از توابع توزیعی پیروی کنند که‬
‫در روش تخمین نقطه‌ای و سری تیلور نمی‌توان از آنها استفاده کرد‪.‬‬
‫روش شبیه‌سازی مونت‌کارلو در تخمین نرخ نفوذ و سرعت پیشروی‬
‫‪ -2‬روش‌های احتماالتی‬
‫به طور کلی تحلیل احتماالتی در مقابل تحلیل قطعی مطرح‬
‫می‌شود‪ .‬اغلب پدیده‌هایی که در زندگی ما اتفاق می‌افتند‪ ،‬دارای‬
‫عدم‌قطعیت‌هایی هستند که قادر به پیش‌بینی آنها نیستیم؛ بدین‬
‫صورت که پارامترهای مختلف در مکان و یا زمان‌های متفاوت دارای‬
‫فراوانی‌های متفاوتی بوده و لذا خروجی‌های چندگانه و بدون هیچ‬
‫الگوی مشخصی با عباراتی همچون شانس و یا احتمال بیان می‌شوند‬
‫[‪ .]34‬مورگنسترن [‪ ]35‬عدم‌قطعیت‌های موجود در ژئوتکنیک را به‬
‫سه گروه عمده تقسیم‌بندی نموده است‪:‬‬
‫ ‪‬عدم‌قطعیت پارامتری‬
‫ ‪‬عدم‌قطعیت انسانی‬
‫ ‪‬عدم‌قطعیت مدل‌سازی‬
‫عدم‌قطعیت پارامتری عبارت است از عدم‌قطعیت در داده‌های‬
‫ورودی تحلیل‌‪ ،‬عدم‌قطعیت مدل‌سازی‪ ،‬ناشی از محدودیت تئوری‌ها و‬
‫مدل‌های مورد استفاده جهت پیش‌بینی عملکرد یک سازه ژئوتکنیکی‬
‫بوده و عدم‌قطعیت انسانی مربوط به خطاها و اشتباهات انسانی‬
‫می‌شود‪ .‬به دلیل وقوع حتمی عدم‌قطعیت در تمام مسائل ژئوتکنیک‪،‬‬
‫خروجی تحلیل همه آنها نیز دارای عدم‌قطعیت است‪.‬‬
‫عوامل رایج عدم‌قطعیت در مهندسی سنگ شامل متغیر بودن‬
‫زمانی و مکانی خواص ‌سنگ‪ ،‬خطاهای اتفاقی و سیستماتیک در‬
‫برداشت داده‌ها‪ ،‬آزمایش و رفتارسنجی‪ ،‬ساده‌سازی مدل‌های عددی و‬
‫تحلیلی و همچنین حذفیات و خطاهای انسانی است‪ .‬از این رو روش‬
‫مناسب برای مقابله با عدم‌قطعیت‪ ،‬ارزیابی و مدیریت خطرات مربوط‬

‫احتماالتیی [‪]37‬‬
‫[‪]37‬‬ ‫روش احتماالت‬
‫طرحروش‬
‫شکل‪:1.1‬طرح‬
‫شکل‬
‫‪Figure‬‬
‫[‪Fig. 1. Probabilistic method design [37‬‬
‫‪1.‬‬ ‫‪Probabilistic‬‬ ‫‪method‬‬ ‫‪design‬‬ ‫[‪[37‬‬

‫‪938‬‬
 ‫شکل ‪ :1‬طرح روش احتماالتی [‪]37‬‬
‫[‪Figure 1. Probabilistic method design [37‬‬
‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫‌کارلو‪]40[]40‬‬‫مونتت‬
‫کارلو [‬ ‫‌سازی مون‬
‫شبیههسازی‬ ‫‌قطعیتتباباروش‬
‫روش شبی‬ ‫عدم‬
‫عدمقطعی‬ ‫محاسبه‬
‫محاسبه‬ ‫کلیکلی‬ ‫چارچوب‬
‫چارچوب‬ ‫شکل ‪.2‬‬
‫شکل ‪:2‬‬
‫‪Figure‬‬ ‫‪2.‬‬ ‫‪Uncertainty‬‬ ‫‪evaluation‬‬ ‫‪framework‬‬ ‫‪using‬‬ ‫‪Monte‬‬
‫‪Fig. 2. Uncertainty evaluation framework using Monte Carlo method‬‬ ‫‪Carlo‬‬ ‫‪method‬‬ ‫[‪[40[ [40‬‬
‫گام ‪ :۳‬بدست آوردن توابع چگالی احتمال کمیت خروجی‬ ‫‪ TBM‬مورد استفاده قرار گرفته‪ ،‬که در بخش مقدمه به مطالعات‬
‫انجام شده اشاره شد‪ .‬یکی از مزایای روش شبیه‌سازی مونت‌کارلو این‬
‫گام ‪ :۴‬تعیین عدم‌قطعیت پارامتر هدف‬
‫است که به نوع توزیع احتمال پارامترهای بستگی ندارد و تابع توزیع‬
‫چارچوب کلی محاسبه عدم‌قطعیت به روش شبیه‌سازی مونت‌کارلو‬ ‫احتمال هدف‪ ،‬با جزئیات بیشتر قابل مشاهده است که این ویژگی در‬
‫در شکل ‪ 2‬نمایش داده شده است‪.‬‬ ‫دو روش روش احتماالتی وجود ندارد و این می‌تواند به عنوان دلیلی‬
‫برای عدم استفاده از این دو روش تخمین نقطه‌ای و سری تیلور در‬
‫مسائل مربوط به تخمین نرخ نفوذ و هزینه باشد‪.‬‬
‫‪ -3‬مدل‌های پیش‌بینی عملکرد ‪TBM‬‬

‫در طول چند دهه گذشته مدل‌‌های مختلفی جهت ارزیابی‬
‫عملکرد ماشین حفاری معرفی و توسعه داده شده‌‌اند تا بتوانند یکی از‬
‫‪ 1‬شاخص‌‌های ارزیابی عملکرد ماشین را با یک یا چند پارامتر ماشین و‬
‫یا شرایط زمین مرتبط نمایند‪ .‬تاکنون محقیق زیادی مدل‌های تجربی‬
‫و نظری برای پیش‌بینی عملکرد ماشین ارائه داد‌اند‪ .‬مدل‌هایی که‬
‫در این مطالعه برای محاسبه نرخ پیشروی استفاده شده‌اند‪ ،‬در ادامه‬
‫تشریح می‌شوند‪.‬‬
‫مدل ‪QTBM‬‬ ‫‪-1-3‬‬
‫مدل ‪ QTBM‬بر اساس نگارش جدیدی از سیستم رده‌بندی ‪ Q‬توسط‬
‫بارتن در سال ‪ ۱۹۹۹‬پیشنهاد شده است‪ .‬در واقع وی با اضافه نمودن‬
‫پارامترهایی که در عملکرد ماشین مؤثر هستند‪ ،‬پارامتر جدیدی به نام‬
‫‪ QTBM‬را معرفی نمود که با پارامتر نرخ نفوذ ماشین مرتبط است‪ .‬رابطه‬
‫(‪ ،)1‬ارتباط بین پارامترهای مختلف با ‪ QTBM‬را نشان داده و رابطه نرخ‬
‫نفوذ نیز به صورت رابطه (‪ )2‬است [‪:]19‬‬
‫‪RQD0 J r J w‬‬
‫‪QTBM‬‬ ‫=‬ ‫‪. .‬‬ ‫‪.‬‬
‫‪J n J a SRF‬‬
‫‪SIGMA 20 q  ‬‬
‫‪.‬‬ ‫‪. .‬‬
‫‪F 10 / 209 CLI 20 5‬‬
‫‪ 1-2‬روش شبیه‌سازی مونت‌کارلو‬
‫عبارت مونت‌کارلو یک واژه بسیار عمومی است‪ .‬روش‌هایی که در‬
‫این گروه قرار می‌گیرند‪ ،‬از فنون آمار و احتماالت استفاده می‌کنند‪.‬‬
‫این روش‌ در همه علوم از فیزیک هسته‌ای گرفته تا ژنتیک و اقتصاد‪،‬‬
‫کاربرد پیدا کرده است‪ .‬روش مونت‌کارلو یک الگوریتم محاسباتی است‬
‫که از نمونه‌گیری تصادفی برای محاسبه نتایج استفاده می‌کند‪ .‬از طرف‬
‫دیگر روش مونت‌کارلو یک طبقه از الگوریتم‌های محاسبه‌گر است که‬
‫برای محاسبه نتایج خود بر نمونه‌گیری‌های تکرار شونده‌ی تصادفی‬
‫اتکاء می‌کند‪ .‬روش شبیه‌سازی مونت‌کارلو ابتدا توسط متروپولیس‪،‬‬
‫اوالم و نویمان در سال ‪ 1949‬برای تشریح پتانسیل برهم کنش‬
‫مولکول‌های ترکیبات گازی اورانیوم استفاده شده در ساخت بمب اتم‬
‫در خالل جنگ جهانی دوم (پروژه منهتن) استفاده شد [‪.]38‬‬
‫گام‌های اساسی در روش شبیه‌سازی مونت‌کارلو به شرح زیر است‬
‫[‪:]39‬‬
‫گام ‪ :1‬تعریف مدل ریاضی‬
‫(‪)1‬‬ ‫(‪)1‬‬
‫گام ‪ :۲‬اختصاص توابع چگالی احتمال به کمیت‌های ورودی‬

‫‪PR(m/hr) = 5(QTBM )−0.2‬‬ ‫(‪)2‬‬

‫‪939‬‬
‫‪M‬‬ ‫(‪)3‬‬
‫‪i(mm/rev) = ( ekv )b‬‬
‫‪M1‬‬
‫(‪)4‬‬
 ‫‪RQD0 J r J w‬‬
‫= ‪QTBM‬‬ ‫‪. .‬‬ ‫‪.‬‬
‫‪J n J a SRF‬‬
‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬
‫‪SIGMA 20 q  ‬‬
‫‪.‬‬ ‫‪. .‬‬
‫‪F 10 / 209 CLI 20 5‬‬

‫در رابطه (‪ ،)3‬که منحنی نفوذ نرمال شده نیز نامیده می‌شود‪i0 ،‬‬ ‫(‪)2‬‬
‫‪PR(m/hr) = 5(QTBM )−0.2‬‬
‫نرخ نفوذ پایه برحسب میلی‌متر بر دور کله حفار‪ Mekv ،‬نیروی رانش‬
‫در رابطه (‪ RQD0 ،)1‬مقدار ‪ RQD‬در جهت موازی با محور‬
‫معادل بر حسب کیلونیوتن بر کاتر‪ M1 ،‬نیروی پیشران بحرانی است‪،‬‬ ‫‪M‬‬
‫درزه‪Jw ،‬‬ ‫هوازدگی‬
‫معرف ( =‬ ‫تونل‪ Jr ،‬عدد معرف زبری درزه‪ Ja ،‬عدد‬
‫‪ekv b‬‬
‫)‪i(mm/rev‬‬ ‫)‬
‫‪M1‬‬
‫که طبق تعریف نیرویی است که برای ایجاد یک میلیمتر نفوذ در سنگ‬
‫‪SIGMA‬‬ ‫‪ SRF‬ضریب کاهش تنش‪،‬‬
‫‪Kekv = K s −tot .K DRI .K por‬‬
‫عدد معرف جریان آب در درزه‪،‬‬
‫الزم است‪ .‬این پارامتر و ضریب ثابت نفوذ (‪ )b‬به فاکتور خردشدگی‬
‫مقاومت توده‌سنگ پارامتر ‪ F‬متوسط بار کاتر (برحسب تن‪-‬نیرو)‪،‬‬
‫معادل وابسته هستند‪ .‬در رابطه (‪ ks-tot ،)4‬فاکتور خردشدگی کل‪،‬‬ ‫‪M‬‬ ‫‪= M .K .K‬‬
‫درصد‪ B‬و ‪ekvσθ‬تنش دو‬
‫‪a‬‬
‫‪ CLI‬شاخص عمر کاتر‪ q ،‬محتوای کوارتز به‬
‫‪d‬‬

‫‪ kpor‬فاکتور تصحیح تخلخل و ‪ kDRI‬فاکتور شاخص نرخ پالخوری‬ ‫‪60‬‬

‫است‪= i‬که‪I0‬نسبت‬ ‫مگاپاسکال)‬
‫‪0 .RPM‬‬ ‫‪.‬‬ ‫جانبه ایجاد شده سینه‌کار تونل (بر حسب‪.krpm‬‬
‫است‪ .‬در رابطه (‪ MB ،)5‬نیروی پیشران متوسط اعمال شده بر روی‬ ‫‪1000‬‬
‫به عمق ‪ 100‬متر نرمالیزه شده است‪.‬‬
‫هر کاتر‪ Kd ،‬ضریب تصحیح برای قطر دیسک کاتر و ‪ Ka‬ضریب‬ ‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫) (‪Ft =  T .R.Pr .‬‬
‫تصحیح برای فاصله‌داری متوسط دیسک کاترها است‪ .‬برای تعیین‬ ‫‪‬‬
‫‪0‬‬
‫‪ -2-3‬مدل ‪NTNU‬‬
‫دو ضریب تصحیح مورد نظر‪ RPM ،‬سرعت چرخش کله حفاری بر‬ ‫= ‪d‬‬
‫‪T .R.P 0 .‬‬
‫‪1 +‬‬
‫حسب دور بر دقیقه و ‪ kRPM‬فاکتور تصحیح برای ‪ RPM‬است‪.‬‬ ‫در میان روش‌های تجربی‪ ،‬مدل ‪ NTNU‬کامل‌ترین و‬
‫‪R−P‬‬
‫سخت‪‬‬
‫سنگ‪= cos −‬‬
‫‪1‬‬
‫(‬ ‫‌های‬
‫ماشین )‬ ‫پرکاربردترین مدل برای تخمین عملکرد‬
‫‪R‬‬
‫‪ -3-3‬مدل ‪CSM‬‬ ‫محسوب می‌شود‪ .‬اولین نگارش این مدل در سال ‪2 .۱۹۷۹‬در‪S .‬مؤسسه‬
‫=‪P‬‬ ‫‪a‬‬
‫‪c‬‬ ‫‪t‬‬

‫توجه‪ R‬به‪.‬تکمیل‬
‫علوم و فناوری نروژ ارائه شد [‪ ]14‬و تا سال ‪ ۱۹۹۸‬با ‪.T‬‬
‫نگارش اولیه این مدل توسط اوزدمیر [‪ ]6‬و اوزدمیر و میلر [‪]42‬‬
‫شدن داده‌های بانک اطالعاتی مربوطه توسط محققین مختلف‪ ،‬مورد‬
‫در مدرسه معدن کلرادو ارائه شد‪ .‬این محققین با در نظر گرفتن اثر‬ ‫‪Fr‬‬
‫= ‪C‬‬
‫سال‬
‫‪c‬‬
‫بازبینی و تصحیح قرار گرفت‪ .‬آخرین بروزرسانی این مدل ‪Fn‬در‬
‫فاصله‌داری دیسک کاترها و میزان نفوذ دیسک کاتر در سنگ و با‬ ‫‪Fn = Ft cos ‬‬
‫دستیابی‬ ‫‪ 2016‬توسط ماسیاس [‪ ]41‬ارائه شد‪ .‬فلسفه مدل ‪NTNU‬‬
‫فرض تشکیل تراشه‌ها بر اثر گسیختگی برشی در مجاورت دیسک‬ ‫‪Fr = Ft sin ‬‬
‫مربوطه‪F‬و‬ ‫‌های سنگ‬
‫ی ‪‬‬
‫به پیش‌بینی‌های قابل اعتماد با ترکیب ویژگ ‪‬‬
‫کاترها‪ ،‬مدلی نظری را برای پیش‌بینی نیروهای برش در دیسک‬ ‫‪= tan‬‬
‫‪r‬‬
‫=‬ ‫‪ tan  ‬‬
‫کلیه ‪ 2 ‬‬
‫پارامترهای مربوط ‪Fn‬به‬ ‫پارامترهای دستگاه است‪ .‬در این مدل‬
‫کاترهای ‪ V‬شکل‪ ،‬توسعه دادند‪ .‬در واقع این مدل روابطی را برای‬
‫معادل یا‬
‫‪N‬‬ ‫توده‌سنگ در قالب یک پارامتر با نام فاکتور خردشدگی‬
‫تخمین نیروی مورد نیاز برای نفوذ دیسک کاتر (با ویژگی‌های هندسی‬ ‫*‪Th‬‬
‫=‬ ‫=‪‬‬
‫‪F‬‬ ‫‪n‬‬ ‫‪NFn‬‬
‫‪ Kekv‬و کلیه پارامترهای مربوط به ماشین در قالب یک ‪ 1‬پارامتر‬
‫مشخص) در سنگ با یک نرخ ثابت ارائه می‌دهد‪ .‬این مدل در در دهه‬
‫تحت عنوان نیروی رانش معادل یا ‪ Mekv‬با هم ترکیب می‌شوند‪.‬‬
‫‪ ۹۰‬توسط رستمی و اوزدمیر [‪ ]43‬به روز گردید‪ .‬روابط ارائه شده‪،‬‬ ‫‪RQD J r J w‬‬
‫تحلیل‪0 .‬تعداد =‬
‫زیادی‪QTBM‬‬ ‫رابطه (‪ ،)3‬رابطه اصلی مدل ‪ NTNU‬است‪. ،‬که از ‪.‬‬
‫‪J n J a SRF‬‬
‫توسط رستمی [‪ ]44‬با فرض استفاده از کاترهای با سطح مقطع ثابت‬ ‫‪1‬‬
‫خردشدگی معادل با‬
‫‪SIGMA‬‬ ‫فاکتور‪20 q ‬‬ ‫آزمون نفوذ کله حفار به دست آمده است‪.‬‬
‫‪ F 10 / 209 . CLI . 20 . 5‬و بر اساس وقوع گسیختگی کششی در سنگ توسعه داده شده‌اند‪.‬‬
‫‪‬‬

‫رابطه (‪ )4‬و نیروی پیشران معادل با رابطه (‪ )5‬قابل محاسبه هستند‪.‬‬

‫در این مدل برای تعیین حداکثر نرخ نفوذ ماشین در سنگ با‬
‫حسب متر بر‬
‫)‪PR(m/hr‬‬ ‫‪TBM‬بر‪= 5(Q‬‬
‫(‪)I0‬‬
‫پس از محاسبه نرخ نفوذ پایه (‪ ،)i0‬نفوذ خالص‪)−0.2‬‬
‫ویژگی‌های مشخص‪ ،‬از یک روش آزمون و خطا استفاده می‌شود که‬
‫ساعت از طریق رابطه (‪ )6‬محاسبه می گردد [‪:]41‬‬
‫در آن پارامترهای ماشین (گشتاور‪ ،‬نیروی پیشران و غیره) برای یک‬
‫‪M‬‬
‫مقدار مشخص از نرخ نفوذ در سنگ تخمین زده می‌شود و آنقدر مقدار‬ ‫‪i(mm/rev) = ( ekv )b‬‬ ‫(‪)3‬‬
‫‪M1‬‬
‫این نرخ نفوذ در روابط تغییر داده می‌شود تا ظرفیت توان و نیروی‬
‫‪Kekv = K s −tot .K DRI .K por‬‬ ‫(‪)4‬‬
‫پیشران ماشین به طور کامل استفاده شود‪ .‬بر اساس این مدل نیروی‬
‫کل یا برآیند نیروهای عمودی و غلتشی از رابطه (‪ )7‬بدست می آید‬ ‫‪M ekv = M B .K a .Kd‬‬ ‫(‪)5‬‬
‫[‪ .]43‬رابطه (‪ )9‬بر اساس مطالعات رستمی [‪ ]44‬به دست آمده است‪.‬‬ ‫‪60‬‬
‫‪I 0 = i0 .RPM .‬‬ ‫‪.krpm‬‬ ‫(‪)6‬‬
‫‪1000‬‬

‫‪‬‬ ‫‪‬‬
‫‪‬‬
‫) (‪Ft =  T .R.Pr .‬‬
‫‪940‬‬ ‫‪0‬‬
‫‪‬‬
‫‪T .R.P 0 .‬‬
‫= ‪d‬‬
‫‪1 +‬‬
 Fr n a
Cc = SIGMA M ekv 20= M Bq.Ka .K)10 (
Fn . . .
d
10 9
Fn = Ft cos  F / 20 CLI 20 5 )11(
60
954 ‫ تا‬935 ‫ صفحه‬،1400 ‫ سال‬،3 ‫ شماره‬،53 ‫ دوره‬،‫امیرکبیر‬
I 0 =‫عمران‬ ‫مهندسی‬. ‫ نشریه‬.krpm
i0 .RPM
Fr = Ft sin  1000 )12(
PR(m/hr) = 5(QTBM )−0.2
Fr  
= tan
=  tan   )13(
Fn 2 ‫ محاسبه نیروی پیشران مورد نیاز‬-1  

Ft =  T .R.Pr .( )M ekv b
N )14( i(mm/rev) = ( ) )7(
Th*
= =
F n NFn 0
M1 )14(
1 T .R.P .
0
d =
Kekv1=+Ks −tot .K DRI .K por
‫ محاسبه گشتاور کل‬-2
R−P )8(
N
)15(  =M
cos −1
( )
ekv = M B .K a .K d
=Tq* =
Fri .R 0.3DTBM .N .Fr
1 1 R )15(

. t . 60 .krpm
S ..c2RPM
P =Ia0 = i)015
N
=Tq* =
Fri .R V 0.3DTBM .N .Fr ( )9(
RPM 1 = (
 .DTBM
) ‫ محاسبه سرعت دوران کله حفاری‬-3  . R.T 1000 )16(
N V )16( ‫) ثابت توزیع‬Ψ ‫دهنده و‬ ‫ عرض لبه برش‬T ،‫ شعاع برش دهنده‬R
=RPM
Tq
*
= (Fri .R 0.3
=
T . RPM
.D
) DTBM .N .Fr 
Fr
15(
16



‫سنگ‬= c =‫بین‬ ‫تماس‬ ) )17

r .( ‫زاویه‬ φ ( .‫ متغیر است‬-0/2 ‫ تا‬0/2 ‫فشار که بین‬
* 1 q
HP = Ft T .R.P
TBM

K
C
0 Fn 
T .RPM V
RPM== q(
HP *
) ‫دقیقا‬ ‫نقطه ای‬ 0 ( ‫ فشار پایه در زون خردشده در‬P0 ،‫و برش دهنده‬
)17
16
N K.DTBM Th = Th* /  ‫ محاسبه توان مورد نیاز‬-4 Fn T=.RF.tPcos .  )18(
d)15
=(
=
F .R ri 0.3DTBM .N .Fr ‫کله‬F‫دور‬ =1‫بر‬
F+ ‫میلیمتر‬

sin  ‫حسب‬ ‫ میزان نفوذ کاتر در سنگ بر‬p ،‫زیر کاتر‬
1
Tq .RPM Th = Th* /  )17( r )18(
t

‫ه‬R)‫فاصل‬
17(
*
HP =
AR(m/day) = 24KPR(m/h).U (%) ‫برش‬Fr‫‌داری‬ ،‫کششی‬
− PS tan  (‫ مقاومت‬σ t ،‫ مقاومت فشاری‬σ c ،‫حفار‬
)19
V =
 =)16
cos −1tan
=
(  )  
M = ( AR(m/day)
) = 24PR(m/h).U (%)
‫كاتر‬F‫ثابت‬
n( φ))19 ( 2
 .DTBM Th = Th* /  18‫و‬R( Ft ‫ پس از محاسبه‬.‫ است‬2/12 ‫ در حدود‬C ‫دهنده و‬
‫ گشتاور و توان نهایی نصب شده با مشخص بودن راندمان‬-5 )12( ‫رابطه‬
S .Nc2‫با‬.‫غلتشی‬ )20‫رابطه‬
‫) و‬11( ( ‫ نیروی عمودی با‬، )10( ‫با رابطه‬
K por =0.774401 + 0.0875975 
Tq .RPM P=
= t
=
ARK(m/day) = 24PR+(m/h).
por =0.774401
1.45
K ( Porosity(%)1.45 )
U (%) 
0.0875975 :‫می‌آید‬ ‫) به دست‬η ( ‫مکانیکی ماشین‬ )T
a*
h(
17 = )
 . 1 R.T
19 )20
( (
Fn NFn
:‫قابل محاسبه هستند‬
( Porosity(%) )
PR(m/h) = 0.06*P(mm/rev).RPM )18( )20((
)21(
(m/h)
PRK 0.06
Th= = ThP(mm/rev).
/ RPM )18( )21
por =0.774401 + 0.0875975  Fr )10(
( Porosity(%)1.45 ) Cc =
Fn
) = 24PR(m/h).U (%) )19(
PR(m/h) = 0.06P(mm/rev).RPM
‫محدوده‬
ARi i.T.Ti iV ‫دیسک کاترها و‬ ‫ تعداد‬NTBM ،‫ قطر ماشین‬DTBM Fn = Ft cos )21( )11(
 AR 1
AR
AR ==

)22( )22( )12(
TTi i ‫ ضریب‬η ‫همچنین‬
‫راندمان‬ .‫سرعت خطی دیسک کاترها هستند‬ Fr = Ft sin 
.774401 + 0.0875975  )20(
 i i ‫ ضریب تبدیل گشتاور به اسب بخار یا‬K ‫مکانیکی ماشین و‬ Fr   )13(
1.45AR =
‫کیلووات‬
AR .T = tan
= )22( tan  
y(%) )  Ti Fn 2
.‫است‬
0.06P(mm/rev).RPM )21(
‫ عدم در نظر گرفتن ویژگی های‬،‫مهمترین محدودیت این مدل‬ ‫دنبال‬ TBM
N ‫در این مدل گام های زیر برای پیش بینی عملکرد‬
Th
= *
=
F n NFn
1 :]45[ ‫می‌‌شود‬
Ri .Ti
)22(
Ti

‫کالن‬-‫آبالر‬
‫کالن‬-‫الر‬ ‫انتقالآب‬
‫تونلانتقال‬
‫تونل‬22‫قطعه‬
‫مسیر قطعه‬
‫ مسیر‬:.3
3 ‫شکل‬
‫شکل‬
2 2
Figure 3. Trajectory of 2 nd
lot of Laar-Kalan water conveyance tunnel
Fig. 3. Trajectory of 2nd lot of Laar-Kalan water conveyance tunnel

941
 ‫شکل ‪ :3‬مسیر قطعه ‪ 2‬تونل انتقال آب الر‪-‬کالن‬
‫‪Figure 3. Trajectory of 2nd lot of Laar-Kalan water conveyance tunnel‬‬
‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫حفرشده‬
‫شده‬ ‫‌شناسیحفر‬
‫زمیننشناسی‬ ‫پروفیل واحدهای‬
‫واحدهای زمی‬ ‫‪ :.4‬پروفیل‬
‫شکل ‪4‬‬
‫شکل‬
‫‪Figure‬‬
‫‪Fig.‬‬ ‫‪4. Profiles‬‬
‫‪4. Profiles‬‬ ‫‪of excavatedgeological‬‬
‫‪of excavated‬‬ ‫‪geological units‬‬
‫‪units‬‬
‫الر‪-‬کالن در مجاورت نیروگاه و روستای کالن ادامه می‌یابد (شکل ‪.)3‬‬ ‫درزه‌داری توده سنگ در روابط توسعه یافته است‪ .‬این محدودیت‬
‫این قطعه از تونل ‪ ۷۴۹۲‬متر طول داشته و روند کلی آن شرقی‪ -‬غربی‬ ‫توسط برخی محققین دیگر نظیر چیما [‪ ،]46‬یاگیز [‪ ]45‬و رمضان‬
‫است‪ .‬قطر حفاری و تمام شده تونل ‪ 4/5‬و ‪ 3/8‬متر با مقطع دایره‌ای‬ ‫زاده [‪ ]15‬نیز مطالعه شده و تصحیحاتی بر روی مدل اعمال شده‬
‫شکل است‪ .‬طرحی از پروفیل تونل برای واحدهای زمین‌شناسی که‬ ‫است‪.‬‬
‫حفاری در آنها انجام شده‪ ،‬در شکل ‪ 4‬نمایش داده شده است‪ .‬محدوده‬
‫مورد مطالعه (مقطع تونل)‪ ،‬شامل واحدهای سنگی شامل سنگ‌های‬ ‫‪ -4‬مطالعه موردی‬
‫رسوبی تخریبی و بعضاً شیمیایی و بیوشیمیایی‪ ،‬سنگ‌های آذرآواری‬ ‫قطعه دوم تونل انتقال آب الر‪ -‬کالن‪ ،‬از دره جورد واقع در شمال‬
‫و سنگ‌های آذرین است‪ .‬با توجه به برداشت‌های صورت گرفته در‬ ‫شرقی روستای جورد آغاز شده و تا بخش انتهایی تونل انتقال آب‬
‫مطالعه‬
‫مطالعه‬ ‫مورد‬
‫مورد‬ ‫موجوددردرمحدوده‬
‫محدوده‬ ‫مهندسیموجود‬
‫‌شناسی مهندسی‬
‫ینشناسی‬ ‫واحدهایی زم‬
‫زمین‬ ‫یدانی واحدها‬ ‫های م‬
‫میدانی‬ ‫فیف‬
‫‌های‬ ‫توص‬ ‫جدول ‪:1‬‬
‫توصی‬ ‫جدول ‪.1‬‬
‫محدوده مورد مطالعه‬ ‫موجود‪1.‬در‬
‫‪Table‬‬ ‫شناسی مهندسی‬
‫‪Descriptions‬‬ ‫واحدهای زمین‬
‫‪of engineering‬‬ ‫‪units‬میدانی‬
‫‪geological‬‬ ‫جدول ‪ :1‬توصیفهای‬
‫‪Table 1.‬‬
‫‪Table‬‬ ‫‪1.‬‬
‫سنگ‬ ‫‪Descriptions‬‬
‫‪ of‬طبقهبندی‬
‫‪Descriptions‬‬ ‫‪of engineering‬‬
‫‪engineering geological‬‬
‫‪geologicalunits‬‬
‫واحد ‪units‬‬
‫واحد‬
‫طبقهبندی سنگ‬ ‫زمینشناسی‬‫واحد‬
‫مقاومت‬ ‫توصیف‬ ‫واحدشناسی‬
‫زمین‬
‫زمینشناسی‬
‫مهندسی‬
‫مقاومت‬ ‫توصیف‬ ‫زمینشناسی‬
‫‪Medium‬‬ ‫‪Sandy Silty Clayey Tuff‬‬ ‫‪Pefmsc‬‬ ‫مهندسی‬
‫‪SSCT‬‬
‫‪Strong To Very Strong‬‬ ‫‪Leucocratic Plutonic Rocks‬‬ ‫‪Ts‬‬ ‫‪LP‬‬
‫‪Medium‬‬
‫‪Medium‬‬ ‫‪Sandy‬‬
‫‪Green‬‬ ‫‪TuffSilty‬‬ ‫‪Clayey Tuff‬‬
‫‪And Tuffaceous‬‬ ‫‪Shale‬‬ ‫‪Pefmsc‬‬
‫‪Ekt‬‬ ‫‪GTSSCT‬‬
‫‪Strong To Very‬‬
‫‪WeakStrong‬‬ ‫‪Leucocratic‬‬
‫‪MelanocraticPlutonic‬‬
‫‪Plutonic Rocks‬‬
‫‪Rocks‬‬ ‫‪TgbTs‬‬ ‫‪MP LP‬‬
‫‪Medium‬‬
‫‪Weak‬‬ ‫‪GreenMarl,Sandstone,Siltstone‬‬
‫‪Tuff And Tuffaceous Shale‬‬ ‫‪MEkt‬‬ ‫‪MSCGT‬‬
‫‪Weak‬‬
‫‪Medium‬‬ ‫‪Melanocratic‬‬
‫‪Green Tuff,Plutonic‬‬ ‫‪Rocks‬‬
‫‪Marly Tuff‬‬ ‫‪Tgb‬‬
‫‪Ekm‬‬ ‫‪KTMMP‬‬
‫‪Very Weak‬‬
‫‪Weak‬‬ ‫‪Crushed Zone‬‬
‫‪Marl,Sandstone,Siltstone‬‬
‫‪2‬‬ ‫‪-M‬‬ ‫‪CrMSC‬‬
‫‪Very Weak‬‬
‫‪Medium‬‬ ‫‪Gravel,Tuff,‬‬
‫‪Green‬‬ ‫‪Sand,‬‬ ‫‪Silt, Clay‬‬
‫‪Marly‬‬ ‫‪Tuff‬‬ ‫‪QEkm‬‬ ‫‪QtKTM‬‬
‫‪Very Weak‬‬ ‫‪Crushed Zone‬‬ ‫‪-‬‬ ‫‪Cr‬‬
‫‪Very Weak‬‬ ‫‪Gravel, Sand, Silt, Clay‬‬ ‫‪Q‬‬ ‫‪Qt‬‬
‫جدول ‪ .2‬مشخصات زمین‌شناسی و ژئومکانیکی واحدهای سنگی مسیر تونل‬
‫جدول ‪ :2‬مشخصات زمینشناسی و ژئومکانیکی واحدهای سنگی مسیر تونل‬
‫‪Table‬‬
‫‪Table2.2.Geological‬‬
‫‪Geological and‬‬
‫‪and geotechnical‬‬ ‫‪propertiesofofrocks‬‬
‫‪geotechnical properties‬‬ ‫‪rocks‬‬
‫‪Porosity‬‬ ‫‪ qu‬و ژئومکانیکی واحدهای سنگی مسیر تونل‪γ‬‬
‫ینشناسی‬ ‫مشخصات زم‬
‫‪UCS‬‬ ‫جدول ‪σθ :2‬‬ ‫واحد‬
‫‪RQD‬‬ ‫‪Q‬‬ ‫‪CLI DRI‬‬ ‫‪Range‬‬
‫)‪(%‬‬ ‫‪(gr/cm‬‬ ‫زمینشناسی‬
‫)‪3‬‬ ‫)‪(%‬‬ ‫)‪(MPa‬‬ ‫)‪(MPa‬‬
‫‪Table 2. Geological and geotechnical properties of rocks‬‬
‫‪5/8‬‬
‫‪Porosity‬‬ ‫‪γ 1/16‬‬ ‫‪15‬‬ ‫‪0/15‬‬ ‫‪55‬‬ ‫‪45‬‬ ‫‪5‬‬
‫‪qu‬‬ ‫‪11UCS‬‬
‫‪/19‬‬ ‫‪4/69σ‬‬
‫‪θ‬‬
‫‪Min‬‬ ‫واحد‬
‫‪RQD‬‬ ‫‪Q1/9 CLI‬‬ ‫‪DRI‬‬ ‫‪Range‬‬
‫‪(%)11/1 (gr/cm‬‬
‫‪1/55‬‬
‫)‪3‬‬ ‫‪50‬‬ ‫‪100‬‬ ‫‪55‬‬ ‫‪15‬‬
‫)‪(%‬‬ ‫‪45‬‬ ‫‪/5‬‬
‫)‪(MPa‬‬ ‫)‪0(MPa‬‬
‫‪/96‬‬ ‫‪Max‬‬ ‫زمینشناسی‬
‫‪Ekm‬‬
‫‪6/5‬‬ ‫‪1/48‬‬ ‫‪50‬‬ ‫‪0/4‬‬ ‫‪11/55‬‬ ‫‪3/51‬‬
‫‪5/8‬‬ ‫‪1/16‬‬ ‫‪15‬‬ ‫‪0/15‬‬ ‫‪55-‬‬ ‫‪-‬‬
‫‪45‬‬ ‫‪-5‬‬ ‫‪11/19‬‬ ‫‪4/69‬‬ ‫‪Ave‬‬
‫‪Min‬‬
‫‪4/59‬‬ ‫‪1/15‬‬ ‫‪10‬‬ ‫‪0/1‬‬ ‫‪50‬‬ ‫‪45‬‬ ‫‪10‬‬ ‫‪14/05‬‬ ‫‪9/55‬‬ ‫‪Min‬‬
‫‪11/1‬‬ ‫‪1/55‬‬ ‫‪50‬‬ ‫‪1/9‬‬ ‫‪100‬‬ ‫‪55‬‬ ‫‪15‬‬ ‫‪45/5‬‬ ‫‪0/96‬‬ ‫‪Max‬‬ ‫‪Ekm‬‬
‫‪8/88‬‬ ‫‪1/85‬‬ ‫‪95‬‬ ‫‪1/8‬‬ ‫‪80‬‬ ‫‪95‬‬ ‫‪10‬‬ ‫‪50/43‬‬ ‫‪9/18‬‬ ‫‪Max‬‬ ‫‪M‬‬
‫‪6/5‬‬ ‫‪1/48‬‬ ‫‪50‬‬ ‫‪0/4‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪11/55‬‬ ‫‪3/51‬‬ ‫‪Ave‬‬
‫‪9/05‬‬ ‫‪1/58‬‬ ‫‪35‬‬ ‫‪0/15‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪10/66‬‬ ‫‪9/95‬‬ ‫‪Ave‬‬
‫‪4/59‬‬ ‫‪1/15‬‬ ‫‪10‬‬ ‫‪0/1‬‬ ‫‪50‬‬ ‫‪45‬‬ ‫‪10‬‬ ‫‪14/05‬‬ ‫‪9/55‬‬ ‫‪Min‬‬
‫‪1/48‬‬ ‫‪1/9‬‬ ‫‪15‬‬ ‫‪0/15‬‬ ‫‪11‬‬ ‫‪33‬‬ ‫‪0‬‬ ‫‪15/31‬‬ ‫‪6/31‬‬ ‫‪Min‬‬
‫‪8/883/88‬‬ ‫‪1/851/83‬‬ ‫‪9585‬‬ ‫‪1/84‬‬ ‫‪80‬‬
‫‪11‬‬ ‫‪95‬‬
‫‪45‬‬ ‫‪510‬‬ ‫‪5150‬‬ ‫‪/43‬‬
‫‪/55‬‬ ‫‪9/18‬‬
‫‪6/98‬‬ ‫‪MaxMax‬‬ ‫‪Tgb M‬‬
‫‪9/05 3/1‬‬ ‫‪1/581/55‬‬ ‫‪3555‬‬ ‫‪0/15‬‬
‫‪0/5‬‬ ‫‪--‬‬ ‫‪--‬‬ ‫‪--‬‬ ‫‪10‬‬
‫‪34/59‬‬‫‪/66‬‬ ‫‪9/95‬‬
‫‪6/93‬‬ ‫‪AveAve‬‬
‫‪1/48 1/3‬‬ ‫‪1/91/35‬‬ ‫‪1510‬‬ ‫‪0/15‬‬
‫‪0/1‬‬ ‫‪11‬‬
‫‪55‬‬ ‫‪33‬‬
‫‪45‬‬ ‫‪50‬‬ ‫‪15‬‬
‫‪35/31 10/608/31‬‬ ‫‪MinMin‬‬
‫‪3/8810/5‬‬ ‫‪1/831/95‬‬ ‫‪8550‬‬ ‫‪41/5‬‬ ‫‪11‬‬
‫‪100‬‬ ‫‪45‬‬
‫‪55‬‬ ‫‪155‬‬ ‫‪64‬‬‫‪51/4/55 5/53‬‬‫‪6/98‬‬ ‫‪MaxMax‬‬ ‫‪Ekt Tgb‬‬
‫‪3/1 9/53‬‬ ‫‪1/551/51‬‬ ‫‪5540‬‬ ‫‪0/5/15‬‬
‫‪0‬‬ ‫‪--‬‬ ‫‪-‬‬ ‫‪--‬‬ ‫‪9134‬‬
‫‪/09‬‬‫‪/59‬‬ ‫‪11‬‬ ‫‪/‬‬‫‪659/93‬‬ ‫‪AveAve‬‬
‫‪1/3‬‬ ‫‪1/35‬‬ ‫‪10‬‬ ‫‪0/1‬‬ ‫‪55‬‬ ‫‪45‬‬ ‫‪5‬‬ ‫‪35‬‬ ‫‪10/08‬‬ ‫‪Min‬‬
‫‪10/5‬‬ ‫‪1/95‬‬ ‫‪50‬‬ ‫‪1/5‬‬ ‫‪100‬‬ ‫‪55‬‬ ‫‪15‬‬ ‫‪64/4‬‬ ‫‪5/53‬‬ ‫‪Max‬‬ ‫‪Ekt‬‬
‫‪942‬‬
‫‪9/53‬‬ ‫‪1/51‬‬ ‫‪40‬‬ ‫حفر تونل‬
‫‪0/15‬‬ ‫جدول ‪- :3‬مشخصات‪-‬ماشین ‪-‬‬
‫‪91/09‬‬ ‫‪11/59‬‬ ‫‪Ave‬‬
‫‪Table 3. Tunnel boring machine characteristics‬‬
‫مقدار‬ ‫پارامتر‬
 ‫‪1/3‬‬ ‫‪1/35‬‬ ‫‪10‬‬ ‫‪0/1‬‬ ‫‪55‬‬ ‫‪45‬‬ ‫‪5‬‬ ‫‪35‬‬ ‫‪10/08‬‬ ‫‪Min‬‬
‫‪10/5‬‬ ‫‪1/95‬‬ ‫‪50‬‬ ‫‪1/5‬‬ ‫‪100‬‬ ‫‪55‬‬ ‫‪15‬‬ ‫‪64/4‬‬ ‫‪5/53‬‬ ‫‪Max‬‬
‫‪9/53‬‬ ‫‪1/51‬‬ ‫‪40‬‬ ‫‪0/15‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪91/09‬‬ ‫‪11/59‬‬ ‫‪Ave‬‬
‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫آب الر‪-‬کالن در جدول ‪ 3‬ارائه شده است‪.‬‬ ‫تونل‬

‫حفرتونل‬
‫ماشینحفر‬
‫مشخصات ماشین‬
‫‪ :.3‬مشخصات‬ ‫جدول‬
‫جدول ‪3‬‬
‫‪Table‬‬ ‫‪3.‬‬ ‫‪Tunnel‬‬ ‫‪boring‬‬ ‫‪machine‬‬ ‫‪characteristics‬‬
‫‪Table 3. Tunnel boring machine characteristics‬‬
‫‪ -5‬تخمین نرخ پیشروی با روش شبیه‌سازی مونت‌کارلو‬
‫مقدار‬ ‫پارامتر‬
‫همان‌طور که بیان شد‪ ،‬گام اول در روش شبیه‌سازی مونت‌کارلو‬ ‫‪4/53‬‬ ‫قطر ماشین حفار (متر)‬
‫تعیین تابع توزیع احتمال برای پارامترهای ورودی مدل‌ها است‪ .‬با‬ ‫‪431‬‬ ‫قطر کاتر دیسک (میلیمتر)‬
‫‪55‬‬ ‫فاصله داری کاترها (میلیمتر)‬
‫توجه به موجود بودن حداکثر سه مقدار (حداکثر‪ ،‬حداقل و در برخی‬ ‫‪1110‬‬ ‫توان (وات)‬
‫موارد محتمل‌ترین مقدار) برای برخی پارامترها همچون ‪UCS ،Q‬‬ ‫‪11‬‬ ‫آر پی ام‬
‫‪801‬‬ ‫گشتاور (کیلونیوتن متر)‬
‫و غیره و نبود جزئیات در طول کل تونل‪ ،‬نمی‌توان به طور صریح‬
‫‪18000‬‬ ‫نیروی تراست (کیلونیوتن)‬
‫بیان کرد که این نوع پارامترها از چه نوع تابع توزیع احتمالی پیروی‬
‫می‌کنند‪ .‬بدین منظور از دو تابع توزیع احتمال پرت و یکنواخت برای‬ ‫مطالعات صحرایی و در نظر گرفتن مقیاس نقشه‪ ،‬از نظر زمین‌شناسی‬
‫بیشتر پارامترهای محیط استفاده شده است که برای تعریف آن ها‬ ‫محدوده مورد مطالعه شامل ‪ ۶‬واحد است‪ .‬بر اساس بررسی‌های‬
‫می‌توان از مقادیر حداقل‪ ،‬حداکثر و میانگین (مختص توزیع پرت)‬ ‫گرفته و با در نظر گرفتن وجود‬‫زمین‌شناسی مهندسی صورت ‪1‬‬
‫استفاده کرد اما بهره گیری از توابع توزیع احتمال دیگر مستلزم‬ ‫واحدهای سنگی موجود در مسیر حفاری تونل‪ ۸ ،‬واحد زمین‌شناسی‬
‫وجود داده‌های تفصیلی تر برای محاسبه پارمترهای ورودی می باشد‪.‬‬ ‫مهندسی قابل تشخیص است‪ .‬توصیف کلی این واحدها را جدول‬
‫بنابراین‪ ،‬برای پارامترهای شامل سه مقدار حداقل‪ ،‬حداکثر و میانگین‪،‬‬ ‫‪ 1‬می‌توان دید‪ .‬برداشت‌های زمین‌شناسی و مطالعات آزمایشگاهی‬
‫تابع توزیع احتمال پرت و برای پارامترهای دارای دو مقدار حداقل‬ ‫در واحدهای زمین‌شناسی مسیر تونل انجام شده که نتایج برای‬
‫و حداکثر‪ ،‬تابع توزیع احتمال یکنواخت در نظر گرفته شد‪ .‬نمودار‬ ‫پارامترهای محتلف در جدول ‪ 2‬آمده است‪ .‬مقایر پارامترهای ‪،DRI‬‬
‫مربوط به این توابع توزیع احتمال در شکل ‪ 5‬نمایش داده شده است‪.‬‬ ‫‪ CLI‬و محتوای کوارتز به دلیل انجام نشدن آزمایش‌های مربوطه در‬
‫همچنین بر اساس اطالعات ثبت شده از پارامترهای مربوط به‬ ‫تونل مورد مطالعه‪ ،‬از روی مطالعات انجام شده (برای مثال [‪ ]47‬و‬
‫عملکرد ماشین حفار در واحدهای زمین‌شناسی حفر شده‪ ،‬در محاسبه‬ ‫[‪ )]48‬بر روی تونل‌هایی که تا حدودی زمین‌شناسی مشابه با تونل‬
‫نرخ پیشروی در این مطالعه‪ ،‬برای سه پارامتر نیروی پیشران‪ ،‬دور‬ ‫مورد مطالعه داشتند‪ ،‬برداشت شده است‪.‬‬
‫کله حفاری و ضریب بهره‌وری از مقادیر ثبت شده در واحدهای‬ ‫نوع ماشین مورد استفاده برای حفاری این تونل از نوع ماشین حفر‬
‫مختلف‪ ،‬استفاده شده و با نرم‌افزار ‪ ،Easyfit‬تابع توزیع احتمال این‬ ‫تمام مقطع تلسکوپی است‪ .‬این نوع از ماشین‌ها بسیار کاربردی بوده‬
‫پارامترهای برای واحدهای مختلف مشخص شده و نتایج در جدول ‪4‬‬ ‫و معموالً در مواقعی که شرایط زمین‌شناسی مسیر تونل متغیر است‪،‬‬
‫ارائه شده است‪.‬‬ ‫بکار می‌روند‪ .‬مشخصات ماشین مورد استفاده در قطعه ‪ 2‬تونل انتقال‬

‫(ب)‬ ‫(الف)‬
‫یکنواخت‬
‫کنواخت‬ ‫احتمال‬
‫احتمال ی‬ ‫توزیعتوزیع‬ ‫پرت‪،‬تابع‬
‫ب) تابع‬ ‫احتمال ب)‬
‫احتمال پرت‪،‬‬ ‫توزیع‬
‫تابع توزیع‬ ‫تابعالف)‬ ‫شکل ‪ .5‬الف)‬
‫شکل ‪:5‬‬
‫‪Figure‬‬
‫)‪Fig.5.5.a)a‬‬
‫‪Pert‬‬
‫‪Pert‬‬‫‪distribution‬‬
‫‪distribution‬‬ ‫‪function,‬‬ ‫‪b) Uniform‬‬
‫‪function,‬‬ ‫‪b) Uniform‬‬‫‪distribution‬‬ ‫‪function‬‬
‫‪distribution‬‬ ‫‪function‬‬

‫‪943‬‬
 ‫شکل ‪ :5‬الف) تابع توزیع احتمال پرت‪ ،‬ب) تابع توزیع احتمال یکنواخت‬
‫‪Figure 5. a) Pert distribution function, b) Uniform distribution function‬‬

‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫(ب)‬ ‫(الف)‬

‫‪N‬‬
‫=‬‫*‪Tq‬‬ ‫=‪‬‬
‫‪F .R‬‬
‫‪1‬‬
‫‪ri‬‬ ‫‪0.3DTBM .N .Fr‬‬ ‫(‪)15‬‬

‫‪V‬‬
‫( = ‪RPM‬‬ ‫)‬ ‫(‪)16‬‬
‫‪ .DTBM‬‬ ‫(ت)‬ ‫(پ)‬
‫شکل ‪ :6‬نتایج مدل ‪ QTBM‬برای الف) واحد ‪ ،Ekm‬ب) واحد ‪ ،M‬پ) واحد ‪ ،Tgb‬ت) واحد ‪Ekt‬‬
‫شکل ‪ .6‬نتایج مدل ‪ QTBM‬برای الف) واحد ‪ ،Ekm‬ب) واحد ‪ ،M‬پ) واحد ‪ ،Tgb‬ت) واحد ‪Ekt‬‬
‫‪Tq .RPM‬‬ ‫‪Figure 6. QTBM model reslts for a) Ekm, b) M, c) Tgb, d) Ekt‬‬
‫= *‪HP‬‬ ‫(‪Fig. 6. QTBM model reslts for a) Ekm, b) M, c) Tgb, d) Ekt)17‬‬
‫‪K‬‬
‫تمامی مدل‌های استفاده شده در این مطالعه‪ ،‬بعد از محاسبه نرخ نفوذ‬ ‫برای انجام شبیه‌سازی مونت‌کارلو از نرم‌افزار ‪Crystal ball‬‬
‫‪Th = Th* / ‬‬ ‫(‪)18‬‬
‫با روابط هر یک از مدل‌ها‪ ،‬نرخ پیشروی (‪ )AR‬با استفاده از رابطه‬ ‫‪ Oracle‬استفاده شده است‪ .‬این نرم‌افزار یک افزونه بوده که بر‬
‫)‪AR(m/day) = 24PR(m/h).U (%‬‬ ‫(‪)19‬‬ ‫‌گیرد‪)19.‬نحوه کار با این نرم‌افزار به این‬
‫روی نرم‌افزار اکسل قرار می (‬
‫صورت است که توابع توزیع احتمال پارامترهای ورودی مدل‌ها در‬
‫‪3‬‬
‫‪K por =0.774401 + 0.0875975 ‬‬
‫اوزدمیر [‪ ]6‬محاسبه شده است‪:‬‬ ‫مدل در سلول دیگر نوشته شده و با‬
‫سلول‌ها مشخص شده‪ ،‬رابطه (‪)20‬‬
‫‪QTBM‬‬ ‫)‪ (%‬و مدل‬
‫‪( Porosity‬‬ ‫‌کارلو‬‫نتایج به دست آمده از روش شبیه‌سازی مون)ت‬
‫‪1.45‬‬ ‫اجرای شبیه‌سازی نتایج برای پارامتر هدف به صورت هیستوگرام‌هایی‬
‫است‪PR(m/h) = 0.06P(mm/rev)..‬‬
‫در جدول ‪ 5‬و شکل ‪ 6‬ارائه شده‪RPM‬‬ ‫(‪)21‬‬ ‫نمایش داده می‌شود‪.‬‬

‫‪ -1-5‬مدل ‪QTBM‬‬
‫= ‪AR‬‬
‫‪ AR .T‬‬‫‪i‬‬ ‫‪i‬‬
‫‪ -2-5‬مدل ‪NTNU‬‬ ‫(‪)22‬‬
‫‪T‬‬ ‫‪i‬‬ ‫در بیشتر پروژه‌های تونل‌سازی‪ ،‬مغزه‌گیری از واحدهای‬
‫در مدل ‪ NTNU‬ابتدا بر اساس شیب و جهت شیب درزه‌های‬ ‫زمین‌شناسی مسیر تونل‪ ،‬معموالً در راستای عمود بر محور تونل انجام‬
‫موجود در هر یک از واحدهای زمین‌شناسی مسیر تونل‪ ،‬فاکتور‬ ‫شده و به ندرت در راستای محور تونل انجام می‌شود‪ .‬در این پروژه نیز‬
‫خردشدگی کل محاسبه شده و نتایج در جدول ‪ 6‬ارائه شده است‪.‬‬ ‫به دلیل انجام نشدن این نوع مغزه‌گیری‪ ،‬در محاسبه نرخ پیشروی با‬
‫در مدل ‪ ،NTNU‬برخی از پارامترها همچون فاکتور تصحیح تخلخل‪،‬‬ ‫مدل ‪ QTBM‬از ‪ Q‬معمولی که در آن ‪ RQD‬از مغزه‌گیری در راستای‬
‫شاخص حفرپذیری (‪ ،)DRI‬نیروی پیشران بحرانی و ضریب ثابت ‪b‬‬ ‫عمود بر محور تونل انجام شده‪ ،‬استفاده شده است‪ .‬همچنین در‬
‫ماشین‬
‫عملیاتی ماشین‬
‫پارامترهای عملیاتی‬
‫احتمال پارامترهای‬
‫توزیع احتمال‬
‫تابع توزیع‬
‫‪ .4‬تابع‬
‫جدول ‪:4‬‬
‫جدول‬
‫‪Table 4. Probabilistic distribution functions of TBM operational parameters‬‬
‫‪Table‬‬ ‫‪4.‬‬ ‫‪Probabilistic‬‬ ‫‪distribution‬‬ ‫‪functions‬‬ ‫‪of‬‬ ‫‪TBM‬‬ ‫‪operational‬‬ ‫‪parameters‬‬
‫واحد‬
‫نیروی تراست (کیلونیوتن)‬ ‫آر پی ام‬ ‫‪U‬‬
‫زمینشناسی‬
‫)‪Weibull(16.612,125.48,-23.72‬‬ ‫)‪Gamma(9.056,0.34‬‬ ‫)‪Triangular(11.7,0.32,16.78‬‬ ‫‪Ekm‬‬
‫)‪Uniform(61.11,91.33‬‬ ‫)‪Uniform(2.3,4.2‬‬ ‫)‪Uniform(0.15,0.24‬‬ ‫‪M‬‬
‫‪130.86‬‬ ‫‪5‬‬ ‫‪0.21‬‬ ‫‪Tgb‬‬
‫)‪Uniform(75.99,95.28‬‬ ‫)‪Uniform(3.4,4‬‬ ‫)‪Uniform(0.18,0.24‬‬ ‫‪Ekt‬‬

‫‪944‬‬
‫جدول ‪ :5‬نتایج نرخ پیشروی محاسبه شده با مدل ‪QTBM‬‬
‫‪2‬‬
‫‪Table 5. Advance‬‬ ‫‪rates obtained using QTBM model‬‬
‫‪ 55‬درصد قطعیت (متر بر روز)‬ ‫انحراف استاندارد‬ ‫میانگین (متر بر روز)‬ ‫واحد زمینشناسی‬
 ‫)‪Weibull(16.612,125.48,-23.72‬‬ ‫)‪Gamma(9.056,0.34‬‬ ‫)‪Triangular(11.7,0.32,16.78‬‬ ‫‪Ekm‬‬
‫)‪Uniform(61.11,91.33‬‬ ‫)‪Uniform(2.3,4.2‬‬ ‫)‪Uniform(0.15,0.24‬‬ ‫‪M‬‬
‫‪130.86‬‬ ‫‪5‬‬ ‫‪0.21‬‬ ‫‪Tgb‬‬
‫)‪Uniform(75.99,95.28‬‬ ‫)‪Uniform(3.4,4‬‬ ‫)‪Uniform(0.18,0.24‬‬ ‫‪Ekt‬‬
‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫مدل‪QTBM‬‬
‫‪QTBM‬‬ ‫شده بابامدل‬
‫محاسبه شده‬ ‫پیشروی‬
‫یشروی محاسبه‬ ‫نتایجیجنرخ‬
‫نرخ پ‬ ‫جدول‪ :5.5‬نتا‬
‫جدول‬
‫‪Table‬‬
‫‪Table5.5.Advance‬‬
‫‪Advancerates‬‬
‫‪ratesobtained‬‬ ‫‪usingQTBM‬‬
‫‪obtained using‬‬ ‫‪QTBM‬‬
‫‪N‬‬
‫‪model‬‬
‫‪model‬‬
‫‪‬بر ‪q‬‬
‫*‬
‫‪ 55‬درصد قطعیت (متر بر روز)‬ ‫انحراف استاندارد‬ ‫=‬ ‫‪T‬‬
‫روز)‬ ‫=‬
‫(متر‬ ‫واحد زمینشناسی ‪.R 0.3DTBM .N .Fr‬‬
‫میانگین‪Fri‬‬
‫‪1‬‬
‫‪1/51-13/15‬‬ ‫‪1/56‬‬ ‫‪5/18‬‬ ‫‪Ekm‬‬
‫‪3/94-11/11‬‬ ‫‪1/15‬‬ ‫‪5/09 V‬‬ ‫‪M‬‬
‫( = ‪RPM‬‬ ‫)‬
‫‪11/06-13/95‬‬ ‫‪3/01‬‬ ‫‪19/55‬‬‫‪ .DTBM‬‬ ‫‪Tgb‬‬
‫‪9/36-14/39‬‬ ‫‪1/05‬‬ ‫‪6/51‬‬ ‫‪Ekt‬‬
‫‪T .RPM‬‬
‫معادل ‪ 3/5‬بوده و در واحدهای زمین‌شناسی مسیر تونل به دلیل‬ ‫‌شوند‪.‬‬
‫از روی نمودارهای بر حسب پارامترهای وابسته محاسبه م=ی*‪HP‬‬
‫‪q‬‬

‫‪K‬‬
‫‌داری باال‪ ،‬مقدار محاسبه شده برای این پارامتر در‬
‫درزهماشین‬ ‫تخلخل و‬
‫عملیاتی‬ ‫آنجایی‬
‫احتمال پارامترهای‬ ‫تابعازتوزیع‬
‫است‪.‬‬ ‫جزئیات کلی این نمودارها در منبع [‪ ]41‬موجود‬
‫جدول ‪:4‬‬
‫‪Th = Th / ‬‬
‫‪Table 4. Probabilistic distribution functions of TBM operational parameters‬‬
‫*‬

‫بیشتر واحدهای مسیر تونل از مقدار مجاز مدل بیشتر شده و برای‬ ‫پارامترها به صورت تابع توزیع احتمال هستند‪،‬‬
‫واحد‬ ‫که در این مطالعه برخی‬
‫یلونیوتن)‬
‫زمین(کشناسی‬
‫تراست‬ ‫در هر دسته برای نیروی‬
‫واحدهای‬ ‫پی ام‬ ‫آر‬
‫خردشدگی‬ ‫یوستگیها و فاکتور‬
‫جدول ‪ :6‬وضعیت ناپ ‪U‬‬
‫‪ AR‬اینکه بتوان ادامه محاسبات را انجام داد از مقدار جایگزین یعنی همان‬ ‫شود‪.‬‬ ‫استخراج‬
‫)‪(m/day‬‬ ‫‌بایست‬
‫‪= 24‬‬ ‫نمودارها‪ ،‬می‬
‫‪PR(m/h).‬‬ ‫زمینروی‬
‫شناسی)‪U (%‬‬
‫‪Table 6. Discontinuities and fracturing factors for different geological units‬‬
‫بنابراین رابطه پارامترهای از‬
‫)‪Weibull(16.612,125.48,-23.72‬‬ ‫)‪Gamma(9.056,0.34) Triangular(11.7,0.32,16.78‬‬ ‫‪Ekm‬‬
‫است‪.‬‬ ‫استفاده شده‬ ‫واحدها‬ ‫بیشتر‬ ‫برای‬ ‫مدل‬ ‫مجاز‬
‫)‪Uniform(61.11,91.33‬‬ ‫و‬ ‫حداکثر‬‫داری‬ ‫صورت رابطه فاصله‬
‫مقدار‬
‫)‪Uniform(2.3,4.2‬‬ ‫به‬ ‫تخلخل‬
‫)‪Uniform(0.15,0.24‬‬‫تصحیح‬ ‫فاکتور‬
‫‪M‬‬ ‫واحدبرای‬
‫رابطه استخراج شده‬
‫فاکتور خرد‬ ‫‪ 130.86‬خرد‬
‫فاکتور‬ ‫کالس‬ ‫‪5‬‬ ‫آزیموت‬
‫‪0.21‬‬ ‫ناپیوستگی‬
‫‪Tgb‬‬
‫ا‬ ‫ه‬ ‫ناپیوستگی‬ ‫)‬ ‫درجه‬‫(‬ ‫‪α‬‬
‫ثابت ‪b‬‬ ‫‪ks-total‬ضریب‬
‫بحرانی و‬
‫پیشرانشدگی‬ ‫شکستگیبین نیروی‬
‫)‪Uniform(75.99,95.28‬‬
‫شدگی ‪ks‬‬ ‫همچنین رابطه‬ ‫)‪Uniform(3.4,4‬‬ ‫)‪Uniform(0.18,0.24‬‬
‫تونل (درجه)‬ ‫‪ Ekt‬ها‬
‫‪K por =0.774401 + 0.0875975 ‬‬ ‫زمینشناسی‬ ‫(‪)20‬‬
‫(سانتی متر)‬
‫خردشدگی معادل ‪88‬از‪ 0/‬روی نمودارها استخراج شد‪ .‬روابط‬
‫‪5‬‬ ‫فاکتور‬
‫با‪15/9‬‬ ‫‪( Porosity‬‬
‫‪6/36‬‬ ‫) )‪(%‬‬ ‫‪1.45‬‬
‫‪B‬‬
‫‪1/4‬‬ ‫‪5‬‬ ‫‪16/1‬‬ ‫‪43/65‬‬ ‫‪J1‬‬
‫‪ kRPM‬در‬ ‫همچنین مقدار‬
‫‪1/88‬‬
‫‌توان دید‪.‬‬
‫‪0/94‬‬
‫استخراجی را در‪4‬جدول ‪ 9‬می‬ ‫‪PR(m/h) = 0.06P(mm/rev).RPM‬‬
‫‪34‬شده با مدل ‪QTBM‬‬ ‫‪/9‬‬
‫محاسبه‬ ‫نرخ‪19‬پیشروی‬
‫جدول ‪ :5‬نتایج‪/94‬‬
‫‪104‬‬ ‫‪J2‬‬ ‫‪KTM‬‬
‫نظر گرفته شده است‪.‬‬
‫‪0‬‬ ‫‪/‬‬‫‪61‬‬ ‫برابر‪ 15.‬در‬
‫‪Table‬‬ ‫‪4‬‬ ‫‪rates‬مطالعه‬
‫‪Advance‬‬ ‫‪ obtained using QTBM model‬این‬
‫‪46‬‬ ‫‪51‬‬ ‫‪/‬‬‫‪64‬‬ ‫‪J3‬‬ ‫(‪ )20‬است‪:‬‬
‫‪0/48‬‬
‫درصد قطعیت (متر بر روز)‬ ‫‪55‬‬ ‫‪3‬‬
‫استاندارد‬ ‫‪105/5‬انحراف‬ ‫روز)‪4‬‬
‫میانگین (متر بر ‪/5‬‬ ‫واحد زمینشناسی‪J4‬‬
‫استخراج‪0‬شده و توابع توزیع احتمال پارامترها‪،‬‬ ‫‪34/9‬با استفاده از ‪4‬روابط‬ ‫رابطه فاکتور تصحیح ‪ DRI‬بر اساس فاکتور خردشدگی کل‬
‫‪1/51-13/15‬‬
‫‪/69‬‬
‫‪1/56‬‬ ‫‪‬‬
‫‪36/88 AR .T‬‬
‫‪AR =49/4 i i‬‬
‫‪5/18‬‬ ‫‪B‬‬
‫‪Ekm‬‬
‫آمده‬ ‫شده‪/83‬و‪1‬نتایج به دست‬
‫انجام‪/94-11‬‬
‫‪1/15‬با استفاده از نرم‌افزار ‪/11‬‬
‫‪0‬‬ ‫‪/‬‬‫‪5‬‬ ‫‪3‬‬ ‫شبیه‌سازی‬
‫‪59‬‬ ‫‌شناسی‪T5i‬مختلف در‬
‫‪‬‬ ‫‪/09 104‬‬‫استخراج و‪ M‬برای واحدهای زمین‬
‫‪J1‬‬
‫از روی نمودار ‪MSC‬‬
‫‪0/51‬‬ ‫‪3‬‬ ‫‪65‬‬ ‫‪15/01‬‬ ‫‪J2‬‬
‫‪11/06-13/95‬‬ ‫‪3/01‬‬ ‫‪19/55‬‬ ‫‪Tgb‬‬
‫جدول‪ 100/‬و شکل ‪ 7‬ارائه شده است‪.‬‬‫‪51‬‬ ‫‪ 2NTNU‬در‬
‫‪3‬‬ ‫برای مدل‬
‫‪111‬‬ ‫‌سازی‬
‫روابط استخراجی با اجرای شبی‪55‬ه‪53/‬‬ ‫‪J3‬‬ ‫جدول ‪ 7‬آمده است‪ .‬بر اساس‬
‫‪9/36-14/39‬‬ ‫‪1/05‬‬ ‫‪6/51‬‬ ‫‪Ekt‬‬
‫‪0/88‬‬ ‫‪4‬‬ ‫‪46‬‬ ‫‪34/36‬‬ ‫‪J1‬‬
‫مونت‌کارلو‪ ،‬فاکتور خردشدگی معادل محاسبه شده و نتایج در جدول‬
‫‪1/41‬‬ ‫‪0/51‬‬ ‫‪3‬‬ ‫‪59‬‬ ‫‪46/03‬‬ ‫‪130‬‬ ‫‪J2‬‬ ‫‪MP‬‬
‫‪0/54‬‬ ‫‪ -3-5‬مدل‪CSM‬‬
‫‪1‬‬ ‫‪130‬‬ ‫‪ NTNU‬حداکثر مقدار فاکتور خردشدگی‬
‫‪53‬‬ ‫‪/‬‬‫‪3‬‬ ‫‪J3‬‬ ‫‪ 8‬ارائه شده است‪ .‬در مدل‬
‫‪1/08‬‬ ‫‪5‬‬ ‫‪11/1‬‬ ‫‪11/61‬‬ ‫‪B‬‬
‫‪0‬‬ ‫‪/‬‬‫‪8‬‬ ‫‪4‬‬ ‫‪35‬‬ ‫‪/‬‬‫‪3‬‬ ‫‪80‬‬ ‫‪/‬‬‫‪64‬‬
‫جدول ‪ .6‬وضعیت ناپیوستگی‌ها و فاکتور خردشدگی در هر دسته برای واحدهای زمین‌شناسی‬ ‫‪J1‬‬
‫‪1/44‬‬ ‫شناسی‬
‫واحدهای زمین ‪0/68‬‬
‫‪ 58‬هر دسته برای ‪4‬‬
‫فاکتور خردشدگی در‬
‫‪130‬یوستگیها و‪41/69‬‬ ‫جدول ‪ :6‬وضعیت ناپ‬‫‪J2‬‬ ‫‪GT‬‬
‫‪Table 6. Discontinuities and fracturing factors for different geological‬‬ ‫‪units‬‬
‫‪Table‬‬
‫‪0/596. Discontinuities‬‬
‫‪3‬‬ ‫‪and fracturing‬‬
‫‪103‬‬ ‫‪factors‬‬
‫‪11/05‬‬ ‫‪for different geological units‬‬
‫‪J3‬‬
‫‪0/49‬‬ ‫‪1‬‬ ‫داری‬ ‫فاصله‬
‫‪111‬‬ ‫‪18‬‬ ‫‪J4‬‬
‫فاکتور خرد‬ ‫فاکتور خرد‬ ‫کالس‬ ‫آزیموت‬ ‫ناپیوستگی‬ ‫واحد‬
‫ناپیوستگی ها‬ ‫‪( α‬درجه)‬
‫شدگی ‪ks-total‬‬ ‫شدگی ‪ks‬‬ ‫شکستگی‬ ‫تونل (درجه)‬ ‫ها‬ ‫زمینشناسی‬
‫(سانتی متر)‬
‫‪0/88‬‬ ‫‪5‬‬ ‫‪ 15‬و ‪kDRI‬‬
‫‪DRI‬‬‫‪ 6:7‬رابطه بین ‪/9‬‬
‫جدول‪/36‬‬ ‫‪B‬‬
‫‪1/4‬‬ ‫‪5‬‬ ‫‪16/1‬‬ ‫‪43/65‬‬ ‫‪J1‬‬
‫‪1/88‬‬ ‫‪0/94‬‬ ‫‪4‬‬ ‫‪34/9‬‬ ‫‪1‬‬ ‫‪19/94‬‬ ‫‪104‬‬ ‫‪J2‬‬ ‫‪KTM‬‬
‫‪0/61‬‬ ‫‪4‬‬ ‫‪46‬‬ ‫‪51/64‬‬ ‫‪J3‬‬
‫‪0/48‬‬ ‫‪3‬‬ ‫‪105/5‬‬ ‫‪4/5‬‬ ‫‪J4‬‬
‫‪0/69‬‬ ‫‪4‬‬ ‫‪34/9‬‬ ‫‪36/88‬‬ ‫‪B‬‬
‫‪0/5‬‬ ‫‪3‬‬ ‫‪59‬‬ ‫‪49/4‬‬ ‫‪J1‬‬
‫‪1/8‬‬ ‫‪104‬‬ ‫‪MSC‬‬
‫‪0/51‬‬ ‫‪3‬‬ ‫‪65‬‬ ‫‪15/01‬‬ ‫‪J2‬‬
‫‪0/51‬‬ ‫‪3‬‬ ‫‪111‬‬ ‫‪53/55‬‬ ‫‪J3‬‬
‫‪0/88‬‬ ‫‪4‬‬ ‫‪46‬‬ ‫‪34/36‬‬ ‫‪J1‬‬
‫‪1/41‬‬ ‫‪0/51‬‬ ‫‪3‬‬ ‫‪59‬‬ ‫‪46/03‬‬ ‫‪130‬‬ ‫‪J2‬‬ ‫‪MP‬‬
‫‪0/54‬‬ ‫‪1‬‬ ‫‪130‬‬ ‫‪53/3‬‬ ‫‪J3‬‬
‫‪2‬‬
‫‪1/08‬‬ ‫‪5‬‬ ‫‪11/1‬‬ ‫‪11/61‬‬ ‫‪B‬‬
‫‪0/8‬‬ ‫‪4‬‬ ‫‪35/3‬‬ ‫‪80/64‬‬ ‫‪J1‬‬
‫‪1/44‬‬ ‫‪0/68‬‬ ‫‪4‬‬ ‫‪58‬‬ ‫‪41/69‬‬ ‫‪130‬‬ ‫‪J2‬‬ ‫‪GT‬‬
‫‪0/59‬‬ ‫‪3‬‬ ‫‪103‬‬ ‫‪11/05‬‬ ‫‪J3‬‬
‫‪0/49‬‬ ‫‪1‬‬ ‫‪111‬‬ ‫‪18‬‬ ‫‪J4‬‬

‫جدول ‪ :7‬رابطه بین ‪ DRI‬و ‪kDRI‬‬

‫‪1‬‬
‫‪945‬‬
 ‫‪Table 7. Relationship between DRI and Kdri‬‬
‫رابطه‬ ‫شناسیمهندسی ‪ks-total‬‬ ‫واحد زمین‬
‫‪between‬شماره ‪R،3‬سال‬
‫‪RMSE‬‬ ‫‪2‬‬
‫‪ Table‬تا ‪954‬‬
‫صفحه ‪935‬‬
‫‪7. ،1400‬‬
‫‪Relationship‬‬ ‫‪،53‬‬ ‫امیرکبیر‪ ،‬دوره‬
‫عمران ‪DRI‬‬‫نشریه ‪and Kdri‬‬
‫‪kDRI=1.44+2.57.DRI-0.45‬‬
‫رابطه‬ ‫‪66‬‬
‫‪R/291‬‬ ‫‪0/005‬‬
‫‪RMSE‬‬ ‫‪k1s-/total‬‬
‫‪88‬‬ ‫‪Ekm‬شناسی‬
‫واحد زمین‬
‫‪kDRI=-1.44+1.37.DRI-0.15‬‬
‫‪kDRI=1.44+2.57.DRI-0.45‬‬ ‫‪66‬‬
‫‪66‬‬ ‫‪/‬‬‫‪/‬‬‫‪61‬‬
‫‪91‬‬ ‫‪0‬‬
‫‪0‬‬ ‫‪/‬‬‫‪/‬‬‫‪005‬‬
‫‪005‬‬ ‫‪1‬‬‫‪1‬‬‫‪/‬‬‫‪88‬‬‫‪/‬‬‫‪8‬‬ ‫‪M‬‬
‫‪Ekm‬‬
‫‪Table 7.kDRI‬‬
‫‪kDRI=-1.054+0.94.DRI0.2‬‬
‫‪kDRI=-1.44+1.37.DRI-0.15‬‬ ‫و‬
‫‪Relationship‬‬
‫‪66‬‬ ‫‪/‬‬‫‪88‬‬
‫‪DRI‬‬
‫‪66/612‬‬ ‫بین‬‫‪0‬‬ ‫رابطه‬
‫‪between‬‬
‫‪/‬‬‫‪005‬‬
‫‪0/005‬‬ ‫‪.7‬‬ ‫جدول‬
‫‪DRI‬‬ ‫‪1‬‬‫‪and‬‬
‫‪1/8‬‬‫‪/‬‬‫‪43‬‬ ‫‪Kdri‬‬ ‫‪Tgb‬‬
‫‪M‬‬
‫رابطه‬ ‫‪R/8‬‬ ‫‪RMSE‬‬ ‫‪k1s-/total‬‬ ‫واحد زمینشناسی‬
‫‪Table‬‬
‫‪kDRI=0.28+0.2.DRI-0.32‬‬ ‫‪7.‬‬ ‫‪66‬‬
‫‪Relationship‬‬
‫‪66/88 between‬‬
‫‪Table 7. Relationship‬‬
‫‪kDRI=-1.054+0.94.DRI0.2‬‬ ‫‪0‬‬ ‫‪/‬‬‫‪005‬‬
‫‪between‬‬
‫‪0/005 DRI and‬‬‫‪DRI‬‬ ‫‪44‬‬
‫‪and‬‬
‫‪1/43Kdri‬‬ ‫‪Kdri‬‬ ‫‪Ekt‬‬
‫‪Tgb‬‬
‫‪kDRI=1.44+2.57.DRI-0.45‬‬ ‫‪66/91‬‬ ‫‪0/005‬‬ ‫‪1/88‬‬ ‫‪Ekm‬‬
‫رابطه‬ ‫واحد زمینشناسی‬
‫‪66R/8‬‬ ‫‪RMSE‬‬ ‫‪ks-1total‬‬
‫‪2‬‬
‫‪kDRI=0.28+0.2.DRI-0.32‬‬ ‫‪0/005‬‬ ‫‪/44‬‬ ‫‪Ekt‬‬
‫‪kDRI=-1.44+1.37.DRI-0.15‬‬ ‫‪66‬‬
‫‪66//61‬‬
‫‪91‬‬ ‫‪00/005‬‬
‫‪/005‬‬ ‫‪1/88‬‬ ‫‪1/8‬‬ ‫‪M‬‬
‫‪kDRI=1.44+2.57.DRI-0.45‬‬ ‫‪Ekm‬‬
‫‪kDRI=-1.054+0.94.DRI0.2‬‬ ‫‪66/88‬‬ ‫‪00/005‬‬
‫‪/005‬‬ ‫‪1/8/43‬‬ ‫‪Tgb‬‬
‫‪/61‬ی‪66‬واحدهای زمینشناسی‬
‫‪kDRI=-1.44+1.37.DRI-0.15‬‬ ‫معادل برا‬ ‫فاکتور‪1‬خردشدگی‬ ‫‪M‬جدول ‪:8‬‬
‫‪kDRI=0.28+0.2.DRI-0.32‬‬ ‫‪66‬‬
‫‪66/88‬‬‫‪/‬‬ ‫‪8‬‬ ‫‪0‬‬ ‫‪/‬‬‫‪005‬‬
‫‪0/005‬‬ ‫‪1‬‬ ‫‪/‬‬ ‫‪44‬‬ ‫‪TgbEkt units‬‬
‫‪Table‬‬ ‫‪kDRI=-1.054+0.94.DRI0.2‬‬
‫‪8. Equivalent‬‬
‫‪fracturing‬زمینشناسی‬
‫‪ 66‬واحدهای‬ ‫برای‬‫‪factor‬‬‫معادل‬‫)‪(keqv‬‬
‫خردشدگی‬ ‫‪for1different‬‬
‫‪/43‬‬
‫جدول ‪ :8‬فاکتور‬ ‫‪geological‬‬
‫‪kDRI=0.28+0.2.DRI-0.32‬‬ ‫‪/8‬‬ ‫‪0/005‬‬ ‫‪1/44‬‬ ‫‪Ekt‬‬
‫تابع توزیع احتمال‬ ‫‪ keqv‬در نظر گرفته شده‬ ‫شناسی‬ ‫واحد زمین‬
‫‪Table 8. Equivalent fracturing factor (keqv) forkeqv‬‬ ‫‪different geological units‬‬
‫‌شناسی ‪-‬‬
‫توزیع احتمال‬ ‫تابع‬ ‫زمین‬
‫شده‬‫واحدهای‬
‫گرفته‬ ‫برای‪/5‬‬
‫نظر‪3‬‬ ‫خردشدگی معادل‬‫‪5/06‬‬ ‫‪-11‬‬ ‫فاکتور‬
‫شناسی ‪/88 .8‬‬
‫‪ Ekm‬جدول‬
‫ینشناسی‬ ‫ی زم‬ ‫واحدها‬ ‫دری‬ ‫‪ keqv‬برا‬
‫خردشدگی معادل‬ ‫‪keqv‬‬‫جدول ‪ :8‬فاکتور‬ ‫واحد زمین‬
‫‪Table Beta‬‬
‫‪8.‬‬ ‫‪Equivalent‬‬
‫شناسی)‪(1/-89,3/69‬‬ ‫‪fracturing‬‬
‫ین‬
‫‪Table 8. Equivalent fracturing‬‬ ‫زم‬ ‫ی‬ ‫‪1/85‬‬
‫واحدها‬ ‫‪-‬‬ ‫‪factor‬‬
‫‪3‬‬
‫ی‬ ‫‪/‬‬ ‫‪5‬‬
‫برا‬ ‫)‪(keqv‬‬
‫معادل‬ ‫ی‬
‫‪3/5 factor (keqv)5/for‬‬ ‫‪1‬‬
‫خردشدگ‬ ‫‪/‬‬ ‫‪for‬‬
‫‪85‬‬ ‫‪-‬‬ ‫‪5‬‬
‫فاکتور‬
‫‪06-11‬‬ ‫‪different‬‬
‫‪/‬‬ ‫‪39‬‬
‫‪/88‬‬
‫‪different‬‬‫‪:‬‬ ‫‪8‬‬ ‫جدول‬ ‫‪geological‬‬
‫‪M units units‬‬
‫‪Ekm‬‬
‫‪geological‬‬
‫احتمال‬
‫‪Table‬‬
‫‪Beta‬‬ ‫‪(1/89‬‬‫توزیع ‪-‬‬ ‫تابع)‪69‬‬
‫‪,8.3/Equivalent‬‬ ‫شده‬ ‫‪1‬‬ ‫‪/‬‬‫‪35‬‬
‫گرفته‬
‫نظر‪1/85-‬‬
‫‪fracturing‬‬ ‫‪-‬‬ ‫‪1‬‬ ‫‪/‬‬‫‪85‬‬ ‫‪ keqv‬در‬
‫‪3/5factor‬‬ ‫‪(keqv) for‬‬‫‪1‬‬ ‫‪/‬‬
‫‪1/85‬‬‫‪35‬‬ ‫‪-‬‬ ‫‪1‬‬ ‫‪/‬‬‫‪85‬‬
‫‪different‬‬
‫‪-5/39 geological‬‬
‫‪keqv‬‬ ‫‪Tgb‬‬
‫زمینشناسی‬ ‫واحد‬
‫‪units‬‬
‫‪M‬‬
‫احتمال‪Beta‬‬
‫توزیع‪(1-/41- ,‬‬
‫تابع )‪3/8‬‬ ‫گرفته شده‬
‫‪1‬‬ ‫‪/‬‬‫‪19‬‬ ‫‪-‬‬‫نظر‬
‫‪3‬‬
‫‪1/35-31/5/85‬‬ ‫‪/‬‬‫‪5‬‬ ‫‪ keqv‬در‬ ‫‪1‬‬ ‫‪/‬‬ ‫‪19‬‬
‫‪keqv‬‬
‫‪51//06‬‬ ‫‪-‬‬
‫‪35--11‬‬ ‫‪6‬‬
‫‪1/85‬‬ ‫‪/‬‬‫‪39‬‬
‫‪/88‬‬
‫‪Ekt‬زمینشناسی‬
‫‪Ekm‬‬
‫واحد‬
‫‪Tgb‬‬
‫‪-‬‬ ‫‪3/5‬‬ ‫‪5/06-11/88‬‬ ‫‪Ekm‬‬
‫‪Beta‬‬ ‫‪1/89‬‬
‫‪(1(/41‬‬
‫‪Beta‬‬ ‫)‪,3,/38/)69‬‬ ‫‪1/119‬‬
‫‪/85‬‬
‫‪-3-3/5/5‬‬ ‫‪11//19‬‬
‫‪85-65/39‬‬ ‫‪M‬‬
‫‪Ekt‬‬
‫)‪Beta(1/89,3/69‬‬ ‫‪1/85-3/5‬‬ ‫‪1/85-5/39‬‬ ‫‪M‬‬
‫‪-‬‬ ‫‪1/35-1/85‬‬ ‫‪1/35-1/85‬‬ ‫‪Tgb‬‬
‫‪-‬‬ ‫‪1/35-1/85‬‬ ‫‪1/35-1/85‬‬ ‫‪Tgb‬‬
‫)‪Beta(1/41,3/8‬‬ ‫‪1/19-3/5‬‬ ‫‪1/19-6/39‬‬ ‫‪Ekt‬‬
‫)‪Beta(1/41,3/8‬‬ ‫‪1/19-3/5‬‬ ‫‪1/19-6/39‬‬ ‫‪Ekt‬‬
‫جدول ‪ :5‬رابطه بین فاکتور خردشدگی معادل با ‪ M1‬و ‪b‬‬
‫‪ M1‬وو ‪bb‬‬
‫‪Table‬‬ ‫‪Relationship‬بابا‪M19.‬‬
‫معادل‬
‫ی معادل‬ ‫خردشدگی‬
‫خردشدگ‬ ‫ین فاکتور‬
‫‪between‬‬
‫فاکتور‬ ‫بین‬
‫‪keqv,‬‬ ‫‪M1‬رابطه‬
‫رابطه ب‬ ‫جدول‪:5.9‬‬
‫جدول‬
‫‪and b‬‬
‫‪Table‬‬
‫‪R 9.‬‬
‫‪Table‬‬
‫‪2‬‬
‫‪9. Relationship‬‬
‫‪RMSE‬‬
‫‪Relationship‬‬ ‫رابطه‪between‬‬
‫‪between‬‬ ‫‪keqv, M1‬‬
‫‪keqv,‬‬ ‫‪M1and‬‬ ‫‪andbb‬‬
‫‪R66‬‬
‫و‬
‫‪ M1‬و ‪2 b‬‬
‫‪b‬‬ ‫‪M1‬‬ ‫با‬ ‫معادل‬
‫معادل‪ /‬با‪5‬‬
‫‪RMSE‬‬
‫ی‬
‫خردشدگی ‪55‬‬‫خردشدگ‬ ‫فاکتور‬
‫ین فاکتور‬‫ین‬ ‫ب‬ ‫رابطه‬ ‫‪:‬‬ ‫‪5‬‬
‫جدول ‪ :5‬رابطه ب‬
‫رابطه‬
‫‪M1=-19.48+111.91.keqv-0.54‬‬ ‫جدول‬
‫‪66‬‬‫‪Table‬‬
‫‪Table‬‬
‫‪/‬‬‫‪55‬‬ ‫‪9.9.Relationship‬‬
‫‪0‬‬ ‫‪Relationship‬‬
‫‪/‬‬‫‪05‬‬ ‫‪between‬‬
‫‪between‬‬
‫=‪b‬‬ ‫‪-‬‬ ‫‪keqv,M1‬‬
‫‪keqv,‬‬
‫‪0.916+1.011.keqv‬‬ ‫‪M1‬‬ ‫‪-and‬‬
‫‪and‬‬ ‫‪0.72b b‬‬
‫‪66 2 2 5/55‬‬ ‫‪M1=-19.48+111.91.keqv-0.54‬‬
‫‪RR‬‬ ‫‪RMSE‬‬
‫‪RMSE‬‬ ‫رابطه‬
‫رابطه‬
‫‪66/5566 0/05‬‬ ‫‪b=-0.916+1.011.keqv-0.72‬‬
‫‪66‬‬ ‫‪55/55‬‬
‫‪/55‬‬ ‫‪M1=-19.48+111.91.keqv-0.54‬‬
‫‪M1=-19.48+111.91.keqv-0.54‬‬
‫‪NTNU‬‬‫‪6666/55‬‬
‫شده‪00/‬با مدل‪/55‬‬
‫محاسبه ‪/05‬‬
‫پیشروی=‪b‬محاسبه شده‬ ‫یج نرخ‬
‫‪b=--0.916+1.011.keqv‬‬‫نتایج‬
‫‪ :.10‬نتا‬
‫جدول‪-0.72‬‬
‫‪-0.72‬‬
‫‪NTNU‬‬ ‫‪ 05‬با مدل‬ ‫‪0.916+1.011.keqv‬‬
‫یشروی‬ ‫نرخ پ‬ ‫جدول ‪11‬‬
‫‪Table‬‬
‫‪Table‬‬ ‫‪10.‬‬
‫‪10.Advance‬‬
‫‪Advance‬‬ ‫‪rates obtained‬‬ ‫‪using‬‬ ‫‪NTNU model‬‬‫‪model‬‬
‫‪NTNU‬‬ ‫‪rates‬شده با مدل‬ ‫‪obtained‬محاسبه‬
‫نرخ پیشروی‬ ‫‪using‬‬ ‫‪NTNU‬نتایج‬
‫جدول ‪:11‬‬
‫یشروی محاسبه شده با مدل ‪ 55 NTNU‬درصد قطعیت‬ ‫(مترپبر‬
‫یج نرخ‬ ‫میانگین‬
‫‪NTNU‬نتا‬
‫‪ model‬جدول ‪:11‬‬
‫‪TableNTNU‬‬ ‫‪10. Advance‬‬
‫استاندارد‬
‫شده با مدل‬ ‫‪rates‬‬
‫انحراف‬‫‪obtained‬‬
‫محاسبه‬ ‫‪ using‬پیشروی‬
‫نتایج نرخ‬ ‫واحد زمینشناسیجدول ‪:11‬‬
‫درصدروز)‬
‫قطعیت‬ ‫‪(55‬متر بر‬‫‪Table 10. Advance rates obtained‬‬ ‫(متر بر‬
‫‪using‬‬‫روز)‬
‫میانگین‬
‫‪NTNU model‬‬
‫‪Table‬‬ ‫‪10.‬‬ ‫‪Advance‬‬
‫استاندارد ‪ 55‬درصد‬ ‫‪rates‬‬
‫انحراف‬ ‫‪obtained‬‬ ‫‪using‬‬ ‫‪NTNU‬‬ ‫‪model‬‬
‫واحد زمینشناسی‬
‫قطعیت‪0/‬‬
‫روز)‬ ‫(متر‪-3‬بر‪53‬‬
‫قطعیت‬ ‫‪/18‬‬
‫درصد‬ ‫‪55‬‬ ‫انحراف‪0/51‬‬
‫استاندارد‬
‫میانگین‪( 1‬متر بر‬
‫(متر بر‬‫روز)‬ ‫میانگین‪/‬‬
‫‪98‬‬ ‫‪Ekm‬زمینشناسی‬
‫واحد‬
‫(متر بر روز)‬ ‫استاندارد‬ ‫انحراف‬ ‫روز)‬ ‫زمینشناسی‬ ‫واحد‬
‫‪1‬‬ ‫‪/‬‬
‫‪0/53‬‬‫‪41‬‬ ‫‪-‬‬
‫بر‪-3‬‬
‫روز)‬
‫‪4‬‬ ‫‪/‬‬‫‪05‬‬
‫‪/18‬‬ ‫‪0‬‬
‫‪0/51‬‬ ‫‪/‬‬‫‪96‬‬ ‫‪1‬‬
‫‪1/98‬‬ ‫‪/‬‬ ‫‪51‬‬ ‫‪M‬‬
‫(متر‪0/53‬‬ ‫روز)‪1/‬‬
‫‪Ekm‬‬
‫‪-3/18‬‬ ‫‪0/51‬‬ ‫‪98‬‬ ‫‪Ekm‬‬
‫‪14//41‬‬
‫‪63‬‬ ‫‪-5/-/05‬‬
‫‪0/-53‬‬
‫‪14/41‬‬
‫‪85‬‬
‫‪3-/18‬‬
‫‪4/05‬‬ ‫‪00/0/96‬‬
‫‪14‬‬
‫‪0//51‬‬
‫‪96‬‬
‫‪5///51‬‬
‫‪11/151‬‬
‫‪38‬‬
‫‪98‬‬ ‫‪MEkm‬‬
‫‪Tgb‬‬
‫‪M‬‬
‫‪1‬‬ ‫‪/‬‬
‫‪4/63‬‬‫‪44‬‬ ‫‪-‬‬
‫‪1/-41‬‬ ‫‪4‬‬ ‫‪/‬‬‫‪45‬‬
‫‪5/-85‬‬
‫‪4/05‬‬ ‫‪0‬‬ ‫‪/‬‬
‫‪0/014‬‬ ‫‪53‬‬
‫‪/96‬‬ ‫‪3‬‬ ‫‪/‬‬
‫‪51//38‬‬ ‫‪36‬‬
‫‪51‬‬ ‫‪Ekt‬‬
‫‪Tgb‬‬
‫‪4/63-5/85‬‬ ‫‪0/14‬‬ ‫‪5/38‬‬ ‫‪M‬‬‫‪Tgb‬‬
‫‪1/44‬‬
‫‪4/-63‬‬
‫‪14/44‬‬
‫‪/-45‬‬
‫‪5-/85‬‬
‫‪4/45‬‬ ‫‪0/053‬‬
‫‪0//14‬‬
‫‪53‬‬ ‫‪33/536‬‬
‫‪//36‬‬
‫‪38‬‬ ‫‪Ekt‬‬
‫‪EktTgb‬‬
‫‪1/44-4/45‬‬ ‫‪0/53‬‬ ‫‪3/36‬‬ ‫‪Ekt‬‬

‫جدول ‪ :11‬نتایج نرخ پیشروی محاسبه شده با مدل ‪CSM‬‬

‫‪Table‬‬ ‫‪ rates‬شده با مدل‬
‫‪CSMAdvance‬‬
‫‪11.‬‬ ‫‪obtained‬محاسبه‬
‫‪using‬نرخ پیشروی‬
‫‪ :11CSM‬نتایج‬‫‪ model‬جدول‬
‫‪CSM‬‬ ‫محاسبه شده با مدل‬ ‫نرخ پیشروی‬ ‫جدول ‪ :11‬نتایج‬
‫‪ Table‬درصد قطعیت (متر بر روز)‬ ‫‪55 Table‬‬ ‫‪11. Advance rates obtained using CSM model‬‬
‫مدل ‪CSM‬‬ ‫استاندارد‬
‫‪rates‬شده با‬ ‫انحراف‬
‫محاسبه‬ ‫نرخ پیشروی‬‫روز)‬
‫‪CSM‬برنتایج‬‫(متر‬
‫‪:11‬‬ ‫میانگین‬
‫جدول‬ ‫واحد زمینشناسی‬
‫‪ 55 11. Advance‬درصد قطعیت (متر بر روز)‬ ‫استاندارد‬ ‫‪obtained‬‬
‫انحراف‬ ‫‪using‬‬
‫(متر بر روز)‬ ‫‪model‬‬
‫میانگین‬ ‫واحد زمینشناسی‬
‫(متر بر روز)‬
‫‪1/11‬‬ ‫قطعیت‬
‫‪ 55‬درصد‪-15/88‬‬ ‫‪Table‬‬ ‫‪11.‬‬ ‫‪Advance‬‬
‫استاندارد‬
‫‪3/58‬‬ ‫‪rates‬‬
‫انحراف‬‫‪obtained‬‬ ‫‪using‬‬ ‫‪CSM‬‬
‫(متر بر روز)‬ ‫‪model‬‬
‫میانگین‪5/46‬‬ ‫‪Ekm‬شناسی‬
‫واحد زمین‬
‫قطعیت‪( 1‬متر بر روز)‬ ‫‪/11-15/88‬‬
‫‪ 55‬درصد‬ ‫‪3/58‬‬
‫استاندارد‬ ‫انحراف‬ ‫(متر‪5/‬بر روز)‬
‫‪46‬‬
‫میانگین‬ ‫‪Ekm‬‬
‫شناسی‬ ‫واحد زمین‬
‫‪16/11‬‬
‫‪/98--15‬‬ ‫‪31‬‬
‫‪6/98‬‬ ‫‪//88‬‬
‫‪15‬‬
‫‪-31/15‬‬ ‫‪35/5/58‬‬
‫‪58‬‬‫‪/‬‬‫‪58‬‬ ‫‪18‬‬ ‫‪/18‬‬ ‫‪/44‬‬
‫‪544/46‬‬ ‫‪M Ekm‬‬ ‫‪M‬‬
‫(ب)‬ ‫(الف)‬
‫‪18‬‬ ‫‪1/11‬‬
‫‪/95‬‬ ‫‪-15‬‬
‫‪-1830‬‬ ‫‪/88‬‬
‫‪/45‬‬ ‫‪305‬‬ ‫‪/58‬‬ ‫‪5/46‬‬ ‫‪Ekm‬‬
‫‪6/98‬‬ ‫‪-31‬‬ ‫‪//95‬‬
‫‪15‬‬ ‫‪-30/45‬‬ ‫‪53/3/58‬‬‫‪/05‬‬ ‫‪1318‬‬‫‪/13‬‬
‫‪63//44‬‬
‫‪63‬‬ ‫‪Tgb Tgb‬‬
‫‪M‬‬
‫‪56-/98‬‬
‫‪189//95‬‬ ‫‪-13‬‬
‫‪30‬‬‫‪9-/31‬‬
‫‪556‬‬ ‫‪/15/56‬‬
‫‪-13‬‬
‫‪/45‬‬
‫‪588‬‬ ‫‪//58‬‬
‫‪31/1/05‬‬ ‫‪88‬‬ ‫‪18‬‬
‫‪6/13‬‬
‫‪53‬‬‫‪6///44‬‬
‫‪53‬‬
‫‪63‬‬ ‫‪Ekt M‬‬‫‪Ekt‬‬
‫‪Tgb‬‬
‫‪18/95-30/45‬‬ ‫‪3/05‬‬ ‫‪13/63‬‬ ‫‪Tgb‬‬
‫‪9/5-13/56‬‬ ‫‪1/88‬‬ ‫‪6/53‬‬ ‫‪Ekt‬‬
‫‪9/5-13/56‬‬ ‫‪1/88‬‬ ‫‪6/53‬‬ ‫‪Ekt‬‬
‫جدول ‪ :12‬نتایج نرخ پیشروی کل‬
‫جدول ‪ :12‬نتایج نرخ پیشروی کل‬
‫یشرویکلکل‬ ‫جدول ‪ :12‬نتا ‪3‬‬
‫نرخپ پیشروی‬
‫یج‪3‬نرخ‬
‫جدول ‪ :12‬نتایج‬

‫(ت)‬ ‫‪33‬‬ ‫(پ)‬

‫واحدت)‬
‫‪Ekt‬واحد ‪Ekt‬‬ ‫‪،Tgb‬‬‫واحد‪ ،‬ت)‬
‫واحد ‪Tgb‬‬
‫پ) پ)‬
‫‪،M،M‬‬ ‫ب)واحد‬
‫واحد‬ ‫‪ ،Ekm‬ب)‬
‫واحد ‪،Ekm‬‬
‫واحد‬‫الف)الف)‬
‫برای برای‬
‫‪NTNU‬‬ ‫نتایج مدل‬
‫‪NTNU‬‬ ‫مدل‬ ‫شکل ‪:7‬‬
‫شکل ‪ .7‬نتایج‬
‫‪Figure 7. NTNU model results for a) Ekm, b) M, c) Tgb, and d) Ekt‬‬
‫‪Fig. 7. NTNU model results for a) Ekm, b) M, c) Tgb, and d) Ekt‬‬

‫‪946‬‬
 ‫شکل ‪ :7‬نتایج مدل ‪ NTNU‬برای الف) واحد ‪ ،Ekm‬ب) واحد ‪ ،M‬پ) واحد ‪ ،Tgb‬ت) واحد ‪Ekt‬‬
‫‪Figure 7. NTNU model results for a) Ekm, b) M, c) Tgb, and d) Ekt‬‬

‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫‪Table 7. Relationship between DRI and Kdri‬‬

‫رابطه‬ ‫‪R2‬‬ ‫‪RMSE‬‬ ‫‪ks-total‬‬ ‫واحد زمینشناسی‬
‫‪kDRI=1.44+2.57.DRI-0.45‬‬ ‫‪66/91‬‬ ‫‪0/005‬‬ ‫‪1/88‬‬ ‫‪Ekm‬‬
‫‪kDRI=-1.44+1.37.DRI-0.15‬‬ ‫‪66/61‬‬ ‫‪0/005‬‬ ‫‪1/8‬‬ ‫‪M‬‬
‫(ب)‬ ‫(الف)‬
‫‪kDRI=-1.054+0.94.DRI0.2‬‬ ‫‪66/88‬‬ ‫‪0/005‬‬ ‫‪1/43‬‬ ‫‪Tgb‬‬
‫‪kDRI=0.28+0.2.DRI-0.32‬‬ ‫‪66/8‬‬ ‫‪0/005‬‬ ‫‪1/44‬‬ ‫‪Ekt‬‬

‫جدول ‪ :8‬فاکتور خردشدگی معادل برای واحدهای زمینشناسی‬

‫‪Table 8. Equivalent fracturing factor (keqv) for different geological units‬‬
‫تابع توزیع احتمال‬ ‫‪ keqv‬در نظر گرفته شده‬ ‫‪keqv‬‬ ‫واحد زمینشناسی‬
‫‪-‬‬ ‫(د)‬ ‫‪3/5‬‬ ‫‪5/06-11/88‬‬ ‫‪( Ekm‬ج)‬

‫‪ Ekt‬واحد ‪Ekt‬‬ ‫واحد‬

‫‪Beta‬ت)‬
‫‪،Tgb‬‬ ‫ت)(‬ ‫‪،Tgb‬‬
‫واحد‪1‬‬
‫‪/89‬‬ ‫واحد‬
‫پ)‪,3/‬‬
‫‪69)،M‬‬‫واحد پ)‬
‫واحد ‪،M‬‬
‫ب)ب)‬ ‫‪،Ekm‬‬
‫‪1،Ekm‬‬
‫‪/85‬‬ ‫الف))‪-3/5‬‬
‫واحدهایی الف‬
‫برای‪1‬برای واحدها‬
‫‪85‬ه‪/‬‬
‫نفوذ‪-‬پای‬
‫نرخ‪5/39‬‬
‫پایه‬ ‫احتمالنفوذ‬ ‫‪ M‬توزیع‬
‫احتمال نرخ‬ ‫توزیعتابع‬
‫شکل ‪:8‬‬
‫شکل ‪ .8‬تابع‬
‫‪Figure 8. Probabilistic distribution1functions‬‬
‫‪/35-1/85ofofadvance‬‬
‫‪advance rate‬‬
‫‪/35for‬‬
‫‪1rate‬‬‫‪-1for‬‬‫‪a) Ekm, b) M, c) Tgb, d) Ekt‬‬
‫‪/85‬‬
‫‪Fig. 8. Probabilistic‬‬ ‫‪- distribution functions‬‬ ‫)‪a) Ekm, b‬‬ ‫‪Tgb‬‬
‫‪M, c) Tgb, d) Ekt‬‬
‫‌ها‪Beta(1/41‬‬
‫ل‪,3‬‬
‫مد‪/8‬‬
‫مقایسه نتایج )‬ ‫‪1/19-3-6‬‬
‫‪/5‬‬ ‫‪1‬‬ ‫‪/‬‬‫‪19‬‬‫‪-‬‬‫‪6‬‬ ‫‪/‬‬‫‪39‬‬
‫‪ ،CSM‬از آنجایی که مقدار نفوذ پایه بر اساس‬
‫‪Ekt‬‬ ‫در مدل‬
‫‪4‬‬
‫‪N‬‬
‫در بین مدل‌های استفاده شده‪ ،‬مدل ‪ QTBM‬تعداد پارامتر بیشتری‬ ‫مقاومت‬
‫=‬ ‫پارامتر‪T‬‬
‫‪q‬‬
‫*‬
‫=‪‬‬ ‫برای‪Fri‬دو‬
‫ابتدا ‪.R‬‬
‫‪0.3D‬‬‫‌شود‪،‬‬‫محدودیت‌های دستگاه محاسبه می‬
‫‪TBM .N .Fr‬‬
‫‪1‬‬
‫داشته که تمامی این پارامترها دارای تابع توزیع احتمال بودند و‬ ‫فشاری تک‌محوره و مقاومت کششی ‪ 10‬هزار داده تصادفی در هر‬
‫جدول ‪ :5‬رابطه بین فاکتور خردشدگی معادل با ‪ M1‬و ‪b‬‬
‫یک از واحدهای زمین‌شناسی تولید شد و با ‪V‬‬
‫در مدل ‪ NTNU‬فقط تخلخل دارای تابع توزیع احتمال بود‪ .‬نتایج‬ ‫روابط (‪ )7‬تا‬
‫استفاده=از‪RPM‬‬
‫(‬ ‫)‬
‫‪Table 9. Relationship between keqv, M1 and‬‬ ‫‪b‬‬
‫‪.DTBM‬‬
‫برای واحدهای زمین‌شناسی مختلف در‬ ‫گرفته‪ R‬شده‬
‫‪2‬‬
‫بکار‬
‫‪RMSE‬‬‫مدل‌های‬ ‫رابطه لحاظ‬
‫(‪ )18‬مقادیر نفوذ در هر دور (پارامتر ‪ )P‬و همچنین ‪ RPM‬با‬
‫‪66‬‬ ‫‪5/55‬‬ ‫‪.RPM‬‬
‫هر‪Tq‬یک‬
‫داده شده است‪ .‬نمودارهای ستونی مربوط به مدل‌ها‪،‬‬ ‫نمایش‬ ‫‪M1=-19.48+111.91.keqv-0.54‬شکل ‪10‬‬
‫این تعداد‬
‫= *از‪HP‬‬ ‫محدودیت گشتاور و توان عملیاتی ماشین برای‬
‫‪66/55‬‬ ‫‪0/05‬‬ ‫‪K‬‬
‫‪b=-0.916+1.011.keqv-0.72‬‬
‫بر اساس مقدار بازه ‪ 95‬درصد قطعیت که برای هر یک مدل‌ها محاسبه‬ ‫داده محاسبه شده و با نرم‌افزار ‪ Easyfit‬تابع توزیع احتمال نفوذ پایه‬
‫برای هر یک از واحدهای زمی‪/ ‬‬
‫‌شناسی‪Th‬‬
‫مشخص شد‪ .‬شکل توابع توزیع‬ ‫ن ‪= Th‬‬ ‫*‬
‫شده بود‪ ،‬رسم شده‌اند‪ .‬مقدار واقعی نمایش داده شده در نمودارها‪ ،‬بر‬
‫جدول ‪ :11‬نتایج نرخ پیشروی محاسبه شده با مدل ‪NTNU‬‬
‫‪Table‬و حداکثر در هر واحد رسم شده است‪ .‬بازه‬
‫‪10.‬حداقل‬
‫پیشروی‬ ‫اساس نرخ‬ ‫رابطه‬ ‫نرخ نفوذ با‬
‫)‪AR(m/day‬‬ ‫سپس‪= 24‬‬ ‫شده‪U‬است‪.‬‬
‫‪(m/h).‬‬
‫‪PRmodel‬‬ ‫احتمال در شکل ‪ 8‬نمایش داده )‪(%‬‬
‫‪Advance rates obtained‬‬ ‫‪using NTNU‬‬
‫مدل ‪ NTNU‬در تمامی واحدهای‬ ‫توسط‬
‫قطعیت‬ ‫نرخ پیشروی محاسبه‪55‬شده‬
‫درصد‬ ‫‌سازی‬‫شبیه‬
‫(متر بر‬ ‫(‪ )21‬و نرخ پیشروی با رابطه (‪ )19‬محاسبه شد‪ .‬با انجام‬
‫میانگین‬
‫انحراف استاندارد‬ ‫واحد زمینشناسی‬
‫(متر بر روز)‬ ‫روز)‬
‫زمین‌شناسی بسیار کمتر از بازه مقدار واقعی نرخ پیشروی است‪.‬‬ ‫در جدول ‪ 11‬و شکل ‪ 9‬برای مدل ‪CSM‬‬ ‫مونت‌کارلو نتایج ارائه شده‬
‫‪0/53-3/18‬‬ ‫‪0/51‬‬ ‫‪=0.774401 + 0.0875975‬‬
‫‪K por1/98‬‬ ‫‪Ekm‬‬
‫‪‬‬
‫تونل هم دارای سنگ‌هایی با تخلخل‬ ‫مسیر‬
‫‪1/41-4/05‬‬ ‫‌شناسی‬
‫ن‬ ‫زمی‬ ‫واحدهای‬
‫‪0/96‬‬ ‫‪( Porosity‬‬ ‫‪1.45‬‬
‫) )‪1/51 (%‬‬ ‫‪M‬‬
‫بدست آمده است‪.‬‬
‫باال و‪/14‬همچنین تعداد دسته درزه زیاد بودند که همین دلیل باعث شد‬
‫‪4‬‬ ‫‪/‬‬‫‪63‬‬ ‫‪-‬‬‫‪5‬‬ ‫‪/‬‬‫‪85‬‬ ‫‪0‬‬ ‫‪5/38= 0.06P(mm/rev).‬‬
‫)‪PR(m/h‬‬ ‫‪TgbRPM‬‬ ‫(‪)21‬‬
‫‪1/44-4/45‬‬ ‫‪0/53‬‬ ‫‪3/36‬‬ ‫‪Ekt‬‬
‫که فاکتور خردشدگی معادل‪ ،‬خارج از محدوده مدل ‪ NTNU‬شود‬

‫‪ AR .T‬‬
‫جدول ‪ i.11i‬نتایج =‬
‫نرخ ‪AR‬‬
‫پیشروی محاسبه شده با مدل ‪CSM‬‬
‫جدول ‪Ti :11‬نتا‪‬‬
‫یج نرخ پیشروی محاسبه شده با مدل ‪CSM‬‬
‫‪Table 11. Advance rates obtained using CSM model‬‬
‫‪Table 11. Advance rates obtained using CSM model‬‬
‫‪ 55‬درصد قطعیت (متر بر روز)‬ ‫انحراف استاندارد‬ ‫میانگین (متر بر روز)‬ ‫واحد زمینشناسی‬
‫‪1/11-15/88‬‬ ‫‪3/58‬‬ ‫‪5/46‬‬ ‫‪Ekm‬‬
‫‪6/98-31/15‬‬ ‫‪5/58‬‬ ‫‪18/44‬‬ ‫‪M‬‬
‫‪18/95-30/45‬‬ ‫‪3/05‬‬ ‫‪13/63‬‬ ‫‪Tgb‬‬
‫‪9/5-13/56‬‬ ‫‪1/88‬‬ ‫‪6/53‬‬ ‫‪Ekt‬‬

‫جدول ‪ :12‬نتایج نرخ پیشروی کل‬

‫‪947‬‬
‫‪3‬‬
 ‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫(ب)‬ ‫(الف)‬

‫(ت)‬ ‫(پ)‬
‫شکل ‪ :9‬نتایج مدل ‪ CSM‬برای الف) واحد ‪ ،Ekm‬ب) واحد ‪ ،M‬پ) واحد ‪ ،Tgb‬ت) واحد ‪Ekt‬‬
‫شکل ‪ .9‬نتایج مدل ‪ CSM‬برای الف) واحد ‪ ،Ekm‬ب) واحد ‪ ،M‬پ) واحد ‪ ،Tgb‬ت) واحد ‪Ekt‬‬
‫‪Figure 9. CSM model results for a) Ekm, b) M, c) Tgb, and d) Ekt‬‬
‫‪Fig. 9. CSM model results for a) Ekm, b) M, c) Tgb, and d) Ekt‬‬
‫تغییرات متوسط نرخ پیشروی محاسبه شده با روش‬
‫در شکل ‪( ،11‬ب)‬ ‫و نتایج این مدل اختالف زیادی با مقدار نرخ(الف)پیشروی واقعی داشته‬
‫شبیه‌سازی مونت‌کارلو و نرخ پیشروی واقعی در طول یک کیلومتر‬ ‫باشد‪ .‬در واحد ‪ Ekm‬و ‪ M‬تنها نتایج مدل ‪ CSM‬به بازه مقدار واقعی‬
‫حفاری تونل نمایش داده شده است‪ .‬مدل ‪ ،QTBM‬در واحد ‪،Ekm‬‬ ‫نرخ پیشروی نزدیک است‪ .‬در واحد ‪ M‬هر چند مدل ‪ CSM‬بازه مقدار‬
‫‪ M‬و ‪ Ekt‬مقدار متوسط نرخ پیشروی کمتری و در واحد ‪ Tgb‬مقدار‬ ‫واقعی نرخ پیشروی را شامل می‌شود‪ ،‬با این حال بازه نرخ پیشروی به‬
‫متوسط نرخ پیشروی بزرگتری از متوسط نرخ پیشروی واقعی تخمین‬ ‫دست آمده بسیار بزرگ است‪ .‬در واحد ‪ Tgb‬نتایج مدل ‪ QTBM‬بازه‬
‫‪ CSM‬در واحد ‪ Ekm‬و ‪ Tgb‬مقدار متوسط نرخ‬
‫(ت)‬ ‫زده است‪ .‬مدل‬ ‫است‪ .‬در واحد ‪ ،Ekt‬بازه‬
‫(پ)‬ ‫مقدار واقعی نرخ پیشروی را در بر گرفته‬
‫شکل ‪ :9‬نتایج مدل ‪ CSM‬برای الف) واحد ‪ ،Ekm‬ب) واحد ‪ ،M‬پ) واحد ‪ ،Tgb‬ت) واحد ‪Ekt‬‬
‫پیشروی کمتری و در واحد ‪ Tgb ،M‬مقدار متوسط نرخ پیشروی‬ ‫به دست آمده از مدل‌های مختلف‪ ،‬بازه مقدار نرخ پیشروی واقعی را‬
‫(الف) ‪( 9. CSM model results for a) Ekm, b) M, c) Tgb,‬ب)‬
‫‪Figure‬‬ ‫‪and d) Ekt‬‬
‫بزرگتری از متوسط مقدار واقعی تخمین زده است‪ .‬مدل ‪NTNU‬‬ ‫شامل نشده است‪.‬‬

‫(ت)‬ ‫(پ)‬
‫شکل ‪ :10‬مقایسه بازه نرخ پیشروی برای الف) واحد ‪ ،Ekm‬ب) واحد ‪ ،M‬پ) واحد ‪ ،Tgb‬ت) واحد ‪Ekt‬‬
‫‪Figure 10. Comparison of advance rates obtained for a) Ekm, b) M, c) Tgb, and d) Ekt‬‬

‫(ب)‬ ‫(الف)‬

‫‪5‬‬

‫(ت)‬ ‫(پ)‬
‫شکل ‪ :10‬مقایسه بازه نرخ پیشروی برای الف) واحد ‪ ،Ekm‬ب) واحد ‪ ،M‬پ) واحد ‪ ،Tgb‬ت) واحد ‪Ekt‬‬
‫شکل ‪ .10‬مقایسه بازه نرخ پیشروی برای الف) واحد ‪ ،Ekm‬ب) واحد ‪ ،M‬پ) واحد ‪ ،Tgb‬ت) واحد ‪Ekt‬‬
‫‪Figure 10. Comparison of advance rates obtained for a) Ekm, b) M, c) Tgb, and d) Ekt‬‬
‫‪Fig. 10. Comparison of advance rates obtained for a) Ekm, b) M, c) Tgb, and d) Ekt‬‬

‫‪5‬‬
‫‪948‬‬
 ‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫شکل ‪ :11‬مقایسه تغییرات نرخ پیشروی در طول تونل‬

‫طول تونل‬ ‫شکل ‪ :11‬مقایسه تغییرات نرخ پیشروی در‬
‫شکل ‪ .11‬مقایسه تغییرات نرخ پیشروی در طول تونل‬
‫‪Figure 11. Comparison of advance rate variation along tunnel‬‬ ‫‪trajectory‬‬

‫‪Figure 11. Comparison of advance rate variation along tunnel trajectory‬‬

‫‪Fig. 11. Comparison of advance rate variation along tunnel trajectory‬‬
‫‪N‬‬
‫نسبت‬
‫=‬ ‫‪Tq* ‬‬
‫کمتری‬‫=‬‫پیشروی‬
‫نرخ ‪Fri .R‬‬
‫‪0.3D‬‬‫مقدار‬ ‫‌شناسی‬
‫‪TBM .N‬‬ ‫در تمامی واحدهای زمین ‪.Fr‬‬
‫‪1‬‬
‫به متوسط مقدار نرخ پیشروی واقعی تخمین زده است‪ .‬در دو واحد‬
‫‪V‬‬
‫پیشروی نسبتاً‬
‫نرخ= ‪RPM‬‬
‫‪ Q‬و ‪) CSM‬متوسط (‬ ‫‪ Ekm‬و ‪ ،Ekt‬دو مدل‬
‫‪ .DTBM‬‬
‫‪TBM‬‬

‫برابری تخمین زده‌اند‪ .‬در حالت کلی می‌توان گفت در تمامی واحدهای‬
‫‪T .RPM‬‬
‫مدل ‪QTBM‬‬
‫زمین‌شناسی مقدار متوسط نرخ پیشروی محاسبه شده=با*‪HP‬‬
‫‪q‬‬

‫‪K‬‬
‫نسبت به دو مدل دیگر‪ ،‬به مقدار متوسط نرخ پیشروی واقعی نزدیکتر‬
‫‪Th = Th* / ‬‬
‫است‪ .‬عالوه بر آن‪ ،‬مشاهده می شود که نرخ پیشروی پیش بینی شده‬
‫مقادیر‬ ‫کمتر=است اما‬
‫)‪AR(m/day‬‬ ‫‪24PRTgb‬‬ ‫نسبت‪U‬به‬
‫‪(m/h).‬‬ ‫توسط تمامی مدل ها برای ‪(%) Ekt‬‬
‫شکل ‪ :12‬مقایسه نرخ پیشروی کل‬
‫‪ 12.‬کل‬
‫‪Figure‬‬ ‫پیشروی‬ ‫مقایسه‪ of‬نرخ‬
‫‪Comparison‬‬ ‫‪overall .12‬‬ ‫شکل‬
‫‪advance‬‬ ‫‪rates‬‬ ‫واقعی خالف این موضوع را نشان می دهند‪ .‬تخصیص مقادیر قطعی‬
‫‪Table 12. Overall advance rate results‬‬
‫عنوان‬ ‫= به‬
‫‪K por‬‬ ‫توان‬ ‫‪ Tgb‬را می‬
‫‪0.774401‬‬ ‫ماشین در واحد‬
‫‪+ 0.0875975‬‬ ‫‪‬‬ ‫برای پارامترهای عملیاتی‬
‫دانست‪.‬‬
‫‪( Porosity‬‬ ‫واقعی‬
‫‪(%)1.45‬‬ ‫یکی از دالیل اختالف مقادیر برآورد شده و )‬
‫است‪ ،‬می‌توان گفت متوسط نرخ پیشروی کل محاسبه شده با مدل‬ ‫(‪)22‬‬ ‫‪0.06‬از=رابطه‬
‫)‪PR(m/h‬‬ ‫‪P(mm/rev).‬کل‪،‬‬
‫نرخ پیشروی‬ ‫در این مطالعه برای محاسبه‬
‫‪RPM‬‬
‫شکل ‪ :12‬مقایسه نرخ پیشروی کل‬
‫است‪ .‬مقدار نرخ پیشروی‬ ‫‪ Figure‬نرخ پیشروی نزدیکتر‬
‫مقدار واقعی‬ ‫‪ CSM of overall advance rates‬به‬
‫‪12. Comparison‬‬ ‫استفاده شده است‪:‬‬
‫کل در حالت واقعی برابر با ‪6 11/5‬متر بر روز و مقدار محاسبه شده با‬
‫= ‪AR‬‬
‫‪ AR .T‬‬ ‫‪i‬‬ ‫‪i‬‬
‫(‪)22‬‬
‫مدل ‪ CSM‬برابر با ‪11 /53‬متر بر روز است‪ .‬بررسی پارامترهای مؤثر‬
‫‪T‬‬ ‫‪i‬‬

‫بر مدل های مذکور نشان می دهد که برخالف مدل‌های ‪ QTBM‬و‬

‫‪ ،CSM‬شرایط عملیاتی (نظیر ‪ RPM‬و نیروی پیشران) تأثیر بیشتری‬
‫در نرخ پیشروی محاسبه شده توسط مدل ‪ NTNU‬دارند‪ .‬با توجه‬
‫به این نکته و همچنین محدود بودن بازه تغییرات ممکن پارامترهای‬
‫‪6‬‬
‫عملیاتی (محدودیت حداکثر سرعت چرخش مجاز کاترها‪ ،‬ظرفیت‬
‫بیلچه جمع آوری‪ ،‬ظرفیت نوار نقاله و غیره)‪ ،‬مقایسه نتایج واقعی با‬
‫نتایج برآورد شده از مدل های پیش‌بینی بیان می کند که در شرایط‬
‫واقعی تأثیر عوامل مذکور در نرخ پیشروی در مقایسه با پارامترهای‬
‫در این رابطه ‪ AR‬نرخ پیشروی کل تونل (متر بر روز)‪ARi ،‬‬
‫نرخ پیشروی در واحد ‪-i‬ام‪ Ti ،‬زمان حفر واحد ‪-i‬ام است‪ .‬نتایج نرخ‬
‫پیشروی کل محاسبه با روش شبیه‌سازی مونت‌کارلو برای مدل‌های‬
‫مختلف در جدول ‪ 12‬ارائه شده است‪.‬‬
‫با مقایسه بین متوسط نرخ پیشروی کل محاسبه شده با روش‬
‫شبیه‌سازی مونت‌کارلو با مقدار نرخ پیشروی کل واقعی در طول ‪1‬‬
‫کیلومتر حفاری تونل‪ ،‬همان‌طور که در شکل ‪ 12‬نیز نشان داده شده‬

‫‪949‬‬
 ‫نشریه مهندسی عمران امیرکبیر‪ ،‬دوره ‪ ،53‬شماره ‪ ،3‬سال ‪ ،1400‬صفحه ‪ 935‬تا ‪954‬‬

‫جدول ‪ .12‬نتایج نرخ پیشروی کل‬

‫‪Table 12. Overall advance rate results‬‬
‫‪Table 12. Overall advance rate results‬‬
‫‪ 55‬درصد قطعیت (متر بر‬
‫انحراف استاندارد‬ ‫میانگین (متر بر روز)‬ ‫مدل‬
‫روز)‬
‫‪5/91-11/33‬‬ ‫‪1/55‬‬ ‫‪8/98‬‬ ‫‪QTBM‬‬
‫‪1/54-3/45‬‬ ‫‪0/45‬‬ ‫‪1/45‬‬ ‫‪NTNU‬‬
‫‪8/33-15/63‬‬ ‫‪1/69‬‬ ‫‪11/53‬‬ ‫‪CSM‬‬

‫در نرخ پیشروی محاسبه شده توسط مدل ‪ NTNU‬دارند‪ .‬بنابراین‪،‬‬ ‫مربوط به محیط (مقاومت فشاری تک محوره‪ ،‬مقاومت کششی‪،‬‬
‫می توان نتیجه گرفت که در شرایط واقعی تأثیر عوامل عملیاتی در‬ ‫محتوای کوارتز‪ ،‬چگالی و کیفیت سنگ‪ ،‬شدت تنش های القایی و‬
‫نرخ پیشروی در مقایسه با تأثیر پارامترهای محیطی کمتر است‪ .‬از‬ ‫غیره) کمتر است‪ .‬از این رو‪ ،‬مدل های ‪ QTBM‬و ‪ CSM‬نتایج نزدیک‬
‫این رو‪ ،‬مدل های ‪ QTBM‬و ‪ CSM‬نتایج نزدیک تری به نتایج واقعی‬ ‫تری به نتایج واقعی حاصل می کنند‪.‬‬
‫حاصل می کنند‪.‬‬ ‫‪ -7‬نتیجه‌گیری‬
‫با پیشرفت فناوری ساخت ماشین‌‌های حفر تونل‪ ،‬از ماشین حفر‬
‫تمام مقطع تونل به عنوان یک جایگزین مناسب روش‌‌های متداول‪،‬‬
‫‪ -8‬مراجع‬
‫حتی در شرایط زمین‌‌شناسی پیچیده استفاده شده است‪ .‬با گسترش‬
‫‪[1] F. Roxborough, H. Phillips, Rock excavation by disc‬‬ ‫استفاده از این ماشین‌‌ها‪ ،‬پیش‌بینی دقیق عملکرد ماشین بسیار حائز‬
‫‪cutter, International Journal of Rock Mechanics and‬‬ ‫اهمیت شده است‪ .‬تغییر‌پذیری ویژگی‌های سنگ‪ ،‬سهم عمده‌ای در‬
‫)‪Mining Sciences and Geomechanics Abstracts, 12(12‬‬
‫عدم‌قطعیت تحلیل‌های مهندسی ژئوتکنیک دارد‪ .‬هدف از تجزیه و‬
‫‪(1975) 361-366.‬‬
‫تحلیل عدم‌قطعیت‪ ،‬تعیین عدم‌قطعیت خروجی مدل با استفاده از‬
‫‪[2] H.P. Sanio, Prediction of the performance of disc cutters‬‬
‫عدم‌قطعیت پارامترهای ورودی و عدم‌قطعیت مدل است‪ .‬در این مطالعه‬
‫‪in anisotropic rock, International Journal of Rock‬‬
‫با روش شبیه‌سازی مونت‌کارلو و استفاده از روابط سه مدل ‪،QTBM‬‬
‫‪Mechanics and Mining Sciences and Geomechanics‬‬
‫‪Abstracts, 22(3) (1985) 153-161.‬‬
‫‪ NTNU‬و ‪ CSM‬به عنوان تابع عملکرد در روش‪ ،‬بازه نرخ پیشروی‬
‫در واحدهای زمین‌شناسی مسیر قطعه ‪ 2‬تونل انتقال آب الر‪-‬کالن‬
‫‪[3] K. Sato, Prediction of disc cutter performance using‬‬
‫محاسبه شد‪ .‬در مدل ‪ NTNU‬در بیشتر واحدهای زمین‌شناسی‪ ،‬به‬
‫‪a circular rock cutting rig, in:‬‬ ‫‪First International‬‬
‫‪symposium on Mine Mechanization, Golden, Colorado,‬‬ ‫دلیل باال بودن تخلخل و درزه‌داری‪ ،‬مقدار فاکتور خردشدگی معادل‬
‫‪1991.‬‬ ‫از حد مجاز بیشتر شد‪ ،‬به همین دلیل محاسبات انجام شده بیشتر با‬
‫مقدار مجاز انجام و مقدار نرخ پیشروی محاسبه شده بسیار کمتر از‬
‫‪[4] R.A. Snowdon, M.D. Ryley, J. Temporal, A study of‬‬
‫‪disc cutting in selected British rocks, International‬‬ ‫مقدار نرخ پیشروی واقعی شد‪ .‬مدل ‪ QTBM‬نسبت به دو مدل دیگر در‬
‫‪Journal of Rock Mechanics and Mining Sciences and‬‬ ‫تمامی واحدهای زمین‌شناسی مقدار نرخ پیشری نزدیکتری به مقدار‬
‫‪Geomechanics Abstracts, 19(3) (1982) 107-121.‬‬ ‫واقعی نرخ پیشروی تخمین زد‪ .‬از طرف دیگر‪ ،‬متوسط نرخ پیشروی‬
‫‪[5] R.J. Boyd, Hard rock continuous mining machine:‬‬ ‫کل محاسبه شده با مدل ‪ CSM‬که برابر با ‪ 11/53‬متر بر روز بود‪،‬‬
‫‪Mobile Miner MM-120, in: Rock excavation engineering‬‬ ‫مقدار نزدیکتری به نرخ پیشروی کل واقعی (‪ 11/5‬متر بر روز) تخمین‬
‫‪seminar, Department of Mining and Metallurgical‬‬ ‫زده است‪ .‬بررسی پارامترهای مؤثر بر مدل های مذکور نشان می دهد‬
‫‪Engineering, University of Queelsland, 1986.‬‬
‫که برخالف مدل های ‪ QTBM‬و ‪ ،CSM‬شرایط عملیاتی تأثیر بیشتری‬
‫‪4‬‬

‫‪950‬‬
 954 ‫ تا‬935 ‫ صفحه‬،1400 ‫ سال‬،3 ‫ شماره‬،53 ‫ دوره‬،‫نشریه مهندسی عمران امیرکبیر‬
performance prediction model for project planning,
Tunneling and Underground Space Technology, 26(5)
(2011) 595–603.
[17] E. Farrokh, J. Rostami, C. Laughton, Study of various
models for estimation of advance rate of hard rock
TBMs, Tunneling and Underground. Space Technology,
30 (2012) 110–123.
[18] A. Palmström, RMi- a rock mass characterization system
for rock engineering purposes Oslo University, 1995.
[19] N. Barton, TBM performance estimation in rock using
QTBM, Tunnels and Tunneling International, (1999).
[20] Z.T. Bieniawski, Rock Mass Excavability (RME) index,
in: ITA World Tunnelling Congress, Seoul, 2006.
[21] E. Avunduk, H. Copur, Empirical modeling for
predicting excavation performance of EPB TBM based
on soil properties. Tunneling and Underground Space
Technology, 71 (2018) 340–353.
[22] U. Ates, N. Bilgin, H. Copur, Estimating torque, thrust
and other design parameters of different type TBMs
with some criticism to TBMs used in Turkish tunneling
projects, Tunneling and Underground Space Technology,
20 (2014) 46–63.
[23] J.P. Vargas, J.C. Koppe, C. Pérez, Monte Carlo
simulation as a tool for tunneling planning. Tunneling
and Underground Space Technology, 40 (2014) 203–
209.
[24] A. Babaei, Application of Monte Carlo simulation in
tunneling, Iran University of Science and Technology,
2003 (in Persian).
[25] Shabani, O. Sayyadi, K. Goshtasbi, A. Roodbari,
Investigation of Uncertainties in tunneling projects costs
using Monte Carlo- Case study of Dasht Zahab Tunnel.
, in: Seventh Iranian Tunnelling Conference, Tehran,
2006 (in Persian).
[26] G. Piaggio, J.P. Novel, G.W. Bianchi, A. Bochon,
Probabilistic estimation of project duration using TBM
951
[6] L. Ozdemir, Development of Theoretical Equations for
Predicting Tunnel Borability, Colorado School of mines,
Golden, Colorado, 1977.
[7] P.C. Graham, Rock exploration for machine
manufacturers, in: Exploration for Rock Engineering,
Balkema, Johannesburg, 1976, pp. 173-180.
[8] I. Farmer, N. Glossop, Mechanics of disc cutter advance,
Tunnels and Tunnelling, 12(6) (1980) 22-25.
[9] P. Nelson, A. Ingraffea, T. Rourke, TBM performance
prediction using rock fracture parameters, International
Journal of Rock Mechanics and Mining Sciences and
Geomechanics Abstracts, 22(3) (1985) 189-192.
[10] W. Bamford, Rock test indices are being successfully
correlated with tunnel boring machine performance, in:
Fifth Australian Tunnelling Conference: State of the Art
in Underground Development and Construction, 1984.
[11] M. Grima, M. Alvarez, P. A. Bruines, P. Verhoef,
Modeling tunnel boring machine performance by neuro-
fuzzy methods, Tunnelling and Underground Space
Technology, 15(3) (2000) 259-269.
[12] D.J. Armaghan, E.T. Mohamad, M.S. Narayansamy,
N. Narita, S. Yagiz, Development of hybrid intelligent
models for predicting TBM advance rate in hard
rock condition, Tunnelling and Underground Space
Technology, 63 (2017) 29-43.
[13] R. Mikaeil, M.Z. Naghadehi, F. Sereshki, Multifactorial
fuzzy approach to the penetrability classification of TBM
in hard rock conditions, Tunnelling and Underground
Space Technology, 24(5) (2009) 500-505.
[14] O.T. Blindheim, Boreability predictions for tunneling
The Norwegian Institute of Technology, 1979.
[15] A. Ramezanzadeh, Perforamnce analysis and
development of new models for performance prediction
of hard rock TBM in rock mass, Ph.D Thesis, INSA,
Lyon, (2005).
[16] J. Hassanpour, J. Rostami, J. Zhao, A new hard rock TBM
 954 ‫ تا‬935 ‫ صفحه‬،1400 ‫ سال‬،3 ‫ شماره‬،53 ‫ دوره‬،‫نشریه مهندسی عمران امیرکبیر‬
[35] N.R. Morgenstern, Managing risk in geotechnical
engineering, in: 10th Pan American Conference on Soil
Mechanics and Foundation Engineering, 1995.
[36] M. Cai, Rock mass characterization and rock property
variability considerations for tunnel and cavern design.
Rock Mechanics and Rock Engineering, 44(4) (2011)
379–399.
[37] M.M. Aral, M.L. Maslia, Application of Monte Carlo
Simulation to Analytical Contaminant Transport
Modeling, in: Groundwater Quality Modeling and
Management Under Uncertainty, Environmental and
Water Resources, Institute of the American Society of
Civil Engineers, Philadelphia, PA, American Society of
Civil Engineers, 2003, pp. 305–312.
[38] M. Ghias, An introduction to Monte Carlo simulation
method, Basparesh Quarterly, 4(1) (2014) 67-77 (in
Persian).
[39] BIPM, IFCC, ISO, Evaluation of measurement data
Supplement 1 to the ‘Guide to the expression of
uncertainty in measurement’ Propagation of distributions
using a Monte Carlo method, Joint committee for guides
in metrology, 101 (2008). JCGM, 2008.
[40] Concept of uncertainty and sensitivity analysis
[Online], in: https:// https://rdreview.jaea.go.jp/review_
en/2010/6_6f6_13.html
[41] F. Macias, Hard rock tunnel boring: performance
predictions and cutter life assessments, Norwegian
University of Science and Technology, 2016.
[42] L. Ozdemir, R. Miller, F.D. Wang, Mechanical tunnel
boring prediction and machine design, Final project to
NSF APR73-07776-A03, Colorado School of Mines,
Golden, Colorado, 1978.
[43] J. Rostami, L. Ozdemir, A New Model for Performance
Prediction of Hard Rock TBMs, in: Rapid Excavation
and Tunneling Conference, 1993, pp. 793-809.
[44] J. Rostami, Development of a force estimation model for
952
prediction models: application to the safety gallery of
the Fréjus Tunnel, in: World Tunneling Congress (2013)
1141–1148., 2013.
[27] Frenzel, Modeling uncertainty in cutter wear prediction
for tunnel boring machines, in: GeoCongress, 2012, pp.
3199–3208.
[28] S. Eftekhari, S.M. Mokhtarian, A. Baghbanan, Advance
rate prediction of tunnel boring machine using artificial
neural networks and Monte Carlo methods, Journal of
geotechnical geology 10(4) (2014) 255-264 (in Persian).
[29] H. Copur, H. Aydin, N. Bilgin, C. Balci, D. Tumac, C.
Dayanc, Predicting performance of EPB TBMs by using
a stochastic model implemented into a deterministic
model, Tunneling and Underground Space Technology
42 (2014) 1–14.
[30] S. Yagiz, H. Karahan, Application of various
optimization techniques and comparison of their
performances for predicting TBM penetration rate in
rock mass, International Journal of Rock Mechanics and
Mining Sciences 80 (2017) 308–315.
[31] A. Salimi, R.S. Faradonbeh, M. Monjezi, C. Moormann,
TBM performance estimation using a classification
and regression tree (CART) technique, Bulletin of
Engineering Geology and the Environment 77 (2018)
429-440.
[32] M.R. Maleki, Rock Joint Rate (RJR); a new method
for performance prediction of tunnel boring machines
(TBMs) in hard rocks, Tunneling and Underground
Space Technology 73 (2018) 261–286.
[33] V.B. Maji, G.V. Theja, A New Performance Prediction
Model for Rock TBMs, Indian Geotechnical Journal
47(3) (2017) 364–372.
[34] A. Johari, F. Sani, M. Parvaz, Reliability analysis of
infinite soil slope stability using distribution of variables
composition method, in: 6th national civil engineering
congress, Semnan, 2011 (in Persian).
 954 ‫ تا‬935 ‫ صفحه‬،1400 ‫ سال‬،3 ‫ شماره‬،53 ‫ دوره‬،‫نشریه مهندسی عمران امیرکبیر‬

[47] J. Hassanpour, J. Rostami, S.T. Azali, J. Zhao, rock fragmentation with disc cutters through theoretical
Introduction of an empirical TBM cutter wear prediction modelling and physical measurement of crushed zone
model for pyroclastic and mafic igneous rocks: a pressure, Colorado School of Mines, 1997.
case history of Karaj water conveyance tunnel, Iran,
[45] S. Yagiz, J. Rostami, L. Ozdemir, Colorado School of
Tunneling and Underground Space Technology 43
Mines approach for predicting TBM performance, in:
(2014) 222–231.
ISRM International Symposium - EUROCK 2012,
[48] J. Hassanpour, J. Rostami, M. Khamehchiyan, A. International Society for Rock Mechanics and Rock
Bruland, H.R. Tavakoli, TBM Performance Analysis Engineering, Stockholm, Sweden, 2012.
in Pyroclastic Rocks: A Case History of Karaj Water
[46] S.N. Cheema, Development of a Rock Mass Boreability
Conveyance Tunnel, Rock Mechanics and Rock
Index for the Performance of Tunnel Boring Machines,
Engineering 43(4) (2010) 427–445.
Colorado school of Mines, 1999.

:‫برای ارجاع به این مقاله از عبارت زیر استفاده کنید‬

M. Sardari, Sh. Zare , M. Mazraehli, Probabilistic Analysis of TBM Advance Rate Prediction Models , Amirkabir
J. Civil Eng., 53(3) (2021) 935-954.

DOI: 10.22060/ceej.2019.16692.6310

953
‫ﺖ‬
‫اﺳ‬
‫ﻰ‬ ‫ﺧﺎﻟ‬
‫ﻤﺪ ًا‬
‫ﻪﻋ‬
‫ﻔﺤ‬
‫ﺻ‬
‫ﯾﻦ‬
‫ا‬