Professional Documents
Culture Documents
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
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 [ ،]8نلسون و همکاران [ ]9و بامفورد [ ]10را نام برد .مدلهای
زمان حفر تونل به صورت توزیع احتمال به دست آمده است .در تجربی مبتنی بر پارامترهای تودهسنگ نیز بر اساس روش استفاده
مطالعات شعبانی و همکاران [ ]25تأثیر عوامل عدمقطعیت در هزینه شده به سه دسته تقسیم شدهاند .مدلهای گریما و همکاران [،]11
پروژههای تونلسازی با استفاده از شبیهسازی مونتکارلو بررسی شده ارمغان و همکاران [ ، ]12میکائیل و همکاران [ ]13از سیستمهای
است .در این مطالعه ابتدا توابع توزیع احتمال نرخ تورم ،نرخ برابری طبقه بندی فازی برای ارائه مدل استفاده کردهاند .همچنین مدلهای
ارز و تاخیر زمانی با توجه به دادههای موجود به دست آمده و سپس مؤسسه علوم و فناوری نروژ ( ،]14[ )NTNUرمضان زاده [،]15
دامنه تغییرات هزینه کل پروژه با 95درصد قطعیت برآورد گردیده حسن پور و همکاران [ ]16و فرخ و همکاران [ ]17از روشهای آماری
است .پیاجو و همکاران [ ]26در یک پروژه تونلسازی با استفاده از استفاده کردهاند .مدلهای شاخص توده سنگ ( ،]18[ )RMiبارتن
مدل مدرسه معدن کلرادو ( ،)CSMسرعت حفاری ماشین حفر تونل ( ]19[ )QTBMو حفرپذیری توده سنگ ( ]20[ )RMEنیز مبتنی بر
را پیشبینی کردهاند .در ابتدا با روش شبیهسازی مونتکارلو تابع سیستمهای ردهبندی تودهسنگ هستند.
توزیع احتمال مناسب برای سرعت حفاری و نرخ پیشروی ماشین حفر در برخی از مدلهای پیشبینی ،آزمایشهای خاصی انجام
[
تونل تعیین و سپس سناریوهای مختلفی برای زمان تکمیل پروژه ارائه میگیرد که نتیجه این آزمایشها ،در پیشبینی عملکرد TBMدر
شده است .همچنین فرنزل [ ]27نیز از ترکیب مدل CSMو روش برخورد با واحدهای سنگی مسیر تونل تأثیرگذار است .بنابراین با
شبیهسازی مونتکارلو برای بدست آوردن هیستوگرام نرخ نفوذ ماشین توجه به آزمایشهای انجامشده و گستردگی پایگاه داده مدلها ،برخی
حفر تونل و عمر برشدهنده بر اساس توابع توزیع احتمال پارامترهای از آنها بیشتر مورد استفاده قرار میگیرند .از مهمترین این مدلها
این مدل استفاده کرده است .سپس مقایسهای بین مقدار میانگین میتوان به مدل NTNU ،CSMو QTBMاشاره کرد .در سالیان اخیر
محاسبه شده با روش شبیهسازی مونتکارلو با میانگین مقدار واقعی نیز مطالعاتی در این زمینه توسط آووندوک و چپور [ ]21و آتش و
برای دو پارامتر ،انجام شده است .افتخاری و همکاران [ ]28با استفاده همکاران [ ]22انجام شده است .اما به دلیل محدود بودن امکانات
از ترکیب شبکههای عصبی مصنوعی و روش شبیهسازی مونتکارلو، آزمایشگاهی امکان انجام مطالعات مذکور به صورت گسترده وجود
نرخ نفوذ ماشین حفر تونل را پیشبینی کردهاند .در این مطالعه ندارد .پیچیدگیها و عدمقطعیتهای موجود در پروژههای مرتبط با
ابتدا با استفاده از مشخصات سنگ بکر ،تودهسنگ و پارامترهای زمین ،دقت روابط ارائه شده را کاهش میدهد .به خصوص چنانچه
اجرایی ماشین و روش شبکه عصبی مصنوعی ،شبکه بهینه با انجام ساختگاه و شرایط زمینشناسی تونل مورد پیشبینی و تونلی که بر
آزمایشهای مختلف به دست آمده است .سپس به منظور ارزیابی اساس آن روابط پیشبینی ارائه شده است ،متفاوت باشد .این امر
شبکه بهینه ،مجموعه پارامترهای اجرایی ماشین با استفاده از روش منجر به استفاده از روشهای آماری و احتماالتی برای پیشبینی
مونتکارلو و به طور تصادفی ایجاد شده و نتایج خروجی با مقادیر عملکرد ماشین شده و در بعضی موارد به جای یک عدد مشخص ،یک
واقعی مورد مقایسه قرار گرفته است .در مطالعات چپور و همکاران دامنه برای نرخ نفوذ یا پیشروی پیشنهاد شده است .به ویژه اگر هدف
[ ]29عملکرد ماشین حفاری سپر متعادل کننده فشار زمین ()EPB ارائه مدل جامع باشد که در ساختارهای با شرایط ساختارهای سنگی
توسط ترکیب مدل قطعی و روش شبیهسازی مونتکارلو برآورد شده متنوع قابل استفاده باشد ،پیشبینی دقیق مقدار پارامترهای عملکرد
است .در این مطالعه پس از تعیین توابع توزیع احتمال پارامترهای ماشین بسیار سخت خواهد بود.
ورودی مدل قطعی ،شبیهسازی انجام شده و تابع توزیع احتمال نرخ استفاده از روشهای احتماالتی بدلیل وجود عدمقطعیت در
پیشروی و پارامترهای هدف دیگر با 95درصد قطعیت محاسبه شده مسائل ژئوتکنیکی بسیار حائز اهمیت است .بررسی عدمقطعیت در
است .یاگیز و کاراهان [ ]30مدل های پیش بینی عملکرد TBMرا بخشهای مختلف مسائل ژئوتکنیک مورد مطالعه قرار گرفته است.
با استفاده از تکنیک های بهینه سازی ارائه نموده و عنوان کردند که وارگاس و همکاران [ ]23و بابائی [ ]24در مطالعات خود به معرفی
نتایج حاصل از این مدل ها با مدل های مقبول پیشین تفاوت اندکی روش شبیهسازی مونتکارلو و کاربرد آن در طراحی و حفر تونل
936
نشریه مهندسی عمران امیرکبیر ،دوره ،53شماره ،3سال ،1400صفحه 935تا 954
و مقادیر به دست آمده برای طول کل واحد اعمال میشود .وجود دارند .سلیمی و همکاران [ ]31تکنیک آماری درخت طبقه بندی و
عدمقطعیت در این دادهها باعث میشود که نتوان در هر نقطهای، رگرسیون ( )CARTرا به منظور برآورد عملکرد TBMارائه نمودند
با استفاده از مدلها ،پارامترهای عملکرد ماشین را محاسبه کرد. که در آن هر دو پارامتر مربوط به توده سنگ و ماشین دخیل هستند.
در روشهای احتماالتی به خصوص روش شبیهسازی مونتکارلو ،با رسولی ملکی [ ]32روش نرخ درزه سنگ ( )RJRرا با تأکید بر نقش
تولید دادههای تصادفی زیاد از توابع توزیع احتمال پارامترهای ورودی درزه ها در عملکرد دستگاه و مبتنی بر داده های زمین شناختی و
مدلها ،حالتهای مختلف بررسی شده و هیستوگرام نرخ پیشروی، عملیاتی جمع آوری شده حین حفاری مکانیزه در گروهی از سنگ
بازه ،میانگین و شکل تغییرات دادهها به دست میآید .همچنین در های آذرین و رسوبی برای پیش بینی نرخ نفوذ TBMدر سنگ های
رابطه با به دست آوردن بازه تغییرات بر اساس مدلهای مختلف ،باید سخت پیشنهاد کرد .مطالعه مشابهی توسط ماجی و تیا [ ]33برای
گفت ،چنانچه مدلی ،بازه و متوسط نزدیکتری به بازه و متوسط مقدار پیشبینی نرخ نفوذ ماشین حفر تونل انجام شده است .در این مطالعه
واقعی تخمین بزند ،با احتمال زیادی در حالت تحلیل قطعی ،منظور از رگرسیون چندمتغیره برای به دست آوردن مدل تجربی بر اساس
نقطه به نقطه ،نسبت به مدلی که بازه به دست آمده از آن ،بازه مقدار اطالعات 6پروژه تونلسازی استفاده شده و سپس ترکیب این مدل و
واقعی را در بر نمیگیرد ،مقدار نزدیکتری تخمین خواهد زد. روش شبیهسازی مونتکارلو برای ارائه هیستوگرام نرخ نفوذ بکار برده
با وجود این که شبیه سازی مونت کارلو با هدف تحلیل احتماالتی شده است .نتایج نشان داد که مقدار نرخ نفوذ محاسبه شده با ترکیب
نرخ پیشروی حفاری تونل های مکانیزه در ترکیب با محاسبات نرم روش احتماالتی و مدل تجربی نسبت به مقدار متوسط محاسبه شده
در مطالعات پیشین انجام شده است ،اما تاکنون بررسی و مقایسه با مدل تجربی تنها ،مقدار نزدیکتری به مقدار نرخ نفوذ واقعی تخمین
احتماالتی نتایج حاصل از مدل های پیشبینی مرسوم مورد توجه زده است.
قرار نگرفته است .هدف از انجام این مطالعه ،استفاده از مدلهای تجزیه و تحلیل عدمقطعیت یک چارچوب منظم برای کمی کردن
NTNU ،QTBMو CSMدر ترکیب با روش شبیهسازی مونتکارلو عدمقطعیتهای خروجی مدل تهیه میکند و با استفاده از آن میتوان
برای محاسبه نرخ پیشروی ماشین حفر تمام مقطع قطعه 2تونل تأثیر پارامترهای ورودی و مدل را بر عدمقطعیت کلی خروجی مدل
انتقال آب الر-کالن است .تونل مورد مطالعه از لحاظ زمینشناسی تعیین کرد .برای توصیف عدمقطعیت یک پارامتر ،یک تابع یا یک
جزء شرایط ضعیف است .همانطور که بیان شد از روش شبیهسازی مدل از مشخصههای مختلفی استفاده میشود .عدمقطعیت مدلها
مونتکارلو در برخی از مطالعات برای محاسبه نرخ نفوذ TBMاستفاده یا توابع ،عموماً از عدمقطعیت پارامترهای مؤثر در آنها ناشی میشود.
شده ولی نرخ پیشروی با استفاده از روش احتماالتی محاسبه نشده کاملترین نحوه توصیف یک پارامتر ،تعیین تابع توزیع احتمال مربوط
است .باید گفت که ماشین حفر تونل در هنگام حفاری در واحدهای به آن پارامتر است .کمیت دیگری که برای توصیف عدمقطعیت مورد
زمینشناسی در مقاطع مختلف ،دارای ضریب بهرهوری مختلفی استفاده قرار میگیرد ،بازههای اطمینان است .یک بازه اطمینان،
بوده که این پارامتر را نیز باید به صورت تابع توزیع احتمال در نظر محدودهای بین دو عدد بوده که مقدار متغیر نامطمئن با احتمال
گرفت .بنابراین با محاسبه نرخ نفوذ به صورت تابع توزیع احتمال و مشخص ،داخل آن بازه قرار میگیرد.
در نظر گرفتن ضریب بهرهوری نیز به صورت تابع توزیع احتمال ،نرخ در طول یک واحد زمینشناسی میتوان با استفاده از مدلهای
پیشروی که از حاصلضرب این دو پارامتر محاسبه میشود ،به صورت تجربی یا نظری ،در نقاط مختلف پارامترهای عملکرد ماشین مانند
تابع توزیع احتمال خواهد بود .بنابراین با توجه به عدمقطعیتهای نرخ نفوذ یا نرخ پیشروی را محاسبه کرد ،ولی محاسبات ،به وجود
موجود در پارامترهای زمینشناسی و پارامترهای عملکرد ماشین، داده مورد نیاز مدل در هر یک از آن نقاط یا مقاطع بستگی دارد.
روش شبیهسازی مونتکارلو یک ابزار بسیار کارامد برای در نظر در پروژههای تونلسازی مانند پروژه استفاده شده در این تحقیق،
گرفتن عدمقطعیتهای موجود است. برخی از دادهها مانند نتایج مطالعات آزمایشگاهی ،شاخص کیفیت
سنگ و غیره ،فقط در بخشها یا نقاط خاصی از تونل انجام گرفته
937
نشریه مهندسی عمران امیرکبیر ،دوره ،53شماره ،3سال ،1400صفحه 935تا 954
به عدمقطعیت بوده ،و در نظر گرفتن این میزان عدمقطعیت در فرآیند -2روشهای احتماالتی
تصمیمگیری ضروری است .امروزه از مفاهیم آماری و احتماالتی برای به طور کلی تحلیل احتماالتی در مقابل تحلیل قطعی مطرح
تشریح و توصیف تغییرپذیری پارامترهای ورودی انتخاب شده استفاده میشود .اغلب پدیدههایی که در زندگی ما اتفاق میافتند ،دارای
میکنند .در روشهای رایج برای تعیین پارامترهای ژئومکانیکیسنگ عدمقطعیتهایی هستند که قادر به پیشبینی آنها نیستیم؛ بدین
معموالً از مقدار میانگین پارامترها استفاده میشود .حتی تحت بهترین صورت که پارامترهای مختلف در مکان و یا زمانهای متفاوت دارای
شرایط نیز مقدار میانگین بهترین نماینده این پارامترها نیست .بنابراین فراوانیهای متفاوتی بوده و لذا خروجیهای چندگانه و بدون هیچ
با توجه به تغییرات ذاتی پارامترهای ژئومکانیکی ،ضروری است که الگوی مشخصی با عباراتی همچون شانس و یا احتمال بیان میشوند
توزیع این پارامترها لحاظ شود .لذا روشهایی در طراحی که مساله [ .]34مورگنسترن [ ]35عدمقطعیتهای موجود در ژئوتکنیک را به
عدمقطعیتها و برآیند آنها را در نظر بگیرند ،بسیار با ارزش هستند سه گروه عمده تقسیمبندی نموده است:
[.]36 عدمقطعیت پارامتری
شکل 1یک طرح از روش تحلیل احتماالتی را نمایش میدهد. عدمقطعیت انسانی
همانطور که مشاهده میشود ،پارامترهای ورودی به صورت تابع عدمقطعیت مدلسازی
توزیع بوده و پس از جایگذاری در مدل ریاضی ،خروجی نیز به صورت عدمقطعیت پارامتری عبارت است از عدمقطعیت در دادههای
تابع توزیع بدست آمده است [.]34 ورودی تحلیل ،عدمقطعیت مدلسازی ،ناشی از محدودیت تئوریها و
از روشهای احتماالتی میتوان روشهای تخمین نقطهای ،سری مدلهای مورد استفاده جهت پیشبینی عملکرد یک سازه ژئوتکنیکی
تیلور و روش شبیهسازی مونتکارلو را نام برد .روشهای تخمین بوده و عدمقطعیت انسانی مربوط به خطاها و اشتباهات انسانی
نقطهای و سری تیلور بیشتر در مسائل مربوط به پایداری سطوح میشود .به دلیل وقوع حتمی عدمقطعیت در تمام مسائل ژئوتکنیک،
شیبدار استفاده شده و در مسائل پیشبینی عملکرد ماشین حفر تونل خروجی تحلیل همه آنها نیز دارای عدمقطعیت است.
مورد استفاده قرار نگرفته است .در بیشتر مسائل ژئوتکینیک ،برای عوامل رایج عدمقطعیت در مهندسی سنگ شامل متغیر بودن
پارامترهای سنگ و خاک تابع توزیع احتمال نرمال و الگنرمال فرض زمانی و مکانی خواص سنگ ،خطاهای اتفاقی و سیستماتیک در
میشود؛ اما در واقعیت ،شاید پارامترها از توابع توزیعی پیروی کنند که برداشت دادهها ،آزمایش و رفتارسنجی ،سادهسازی مدلهای عددی و
در روش تخمین نقطهای و سری تیلور نمیتوان از آنها استفاده کرد. تحلیلی و همچنین حذفیات و خطاهای انسانی است .از این رو روش
روش شبیهسازی مونتکارلو در تخمین نرخ نفوذ و سرعت پیشروی 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 1-2روش شبیهسازی مونتکارلو
عملکرد ماشین حفاری معرفی و توسعه داده شدهاند تا بتوانند یکی از
عبارت مونتکارلو یک واژه بسیار عمومی است .روشهایی که در
1شاخصهای ارزیابی عملکرد ماشین را با یک یا چند پارامتر ماشین و
این گروه قرار میگیرند ،از فنون آمار و احتماالت استفاده میکنند.
یا شرایط زمین مرتبط نمایند .تاکنون محقیق زیادی مدلهای تجربی
این روش در همه علوم از فیزیک هستهای گرفته تا ژنتیک و اقتصاد،
و نظری برای پیشبینی عملکرد ماشین ارائه داداند .مدلهایی که
کاربرد پیدا کرده است .روش مونتکارلو یک الگوریتم محاسباتی است
در این مطالعه برای محاسبه نرخ پیشروی استفاده شدهاند ،در ادامه
که از نمونهگیری تصادفی برای محاسبه نتایج استفاده میکند .از طرف
تشریح میشوند.
دیگر روش مونتکارلو یک طبقه از الگوریتمهای محاسبهگر است که
برای محاسبه نتایج خود بر نمونهگیریهای تکرار شوندهی تصادفی
مدل QTBM -1-3
اتکاء میکند .روش شبیهسازی مونتکارلو ابتدا توسط متروپولیس،
مدل QTBMبر اساس نگارش جدیدی از سیستم ردهبندی Qتوسط اوالم و نویمان در سال 1949برای تشریح پتانسیل برهم کنش
بارتن در سال ۱۹۹۹پیشنهاد شده است .در واقع وی با اضافه نمودن مولکولهای ترکیبات گازی اورانیوم استفاده شده در ساخت بمب اتم
پارامترهایی که در عملکرد ماشین مؤثر هستند ،پارامتر جدیدی به نام در خالل جنگ جهانی دوم (پروژه منهتن) استفاده شد [.]38
QTBMرا معرفی نمود که با پارامتر نرخ نفوذ ماشین مرتبط است .رابطه گامهای اساسی در روش شبیهسازی مونتکارلو به شرح زیر است
( ،)1ارتباط بین پارامترهای مختلف با QTBMرا نشان داده و رابطه نرخ [:]39
نفوذ نیز به صورت رابطه ( )2است [:]19
RQD0 J r J w گام :1تعریف مدل ریاضی
QTBM = . . .
J n J a SRF ()1 ()1
SIGMA 20 q گام :۲اختصاص توابع چگالی احتمال به کمیتهای ورودی
. . .
F 10 / 209 CLI 20 5
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
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.
) (Ft = T .R.Pr .
940 0
T .R.P 0 .
= d
1 +
Fr n a
Cc = SIGMA M ekv 20= M Bq.Ka .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=+Ks −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
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
(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
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
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
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
(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
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
949
نشریه مهندسی عمران امیرکبیر ،دوره ،53شماره ،3سال ،1400صفحه 935تا 954
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, [6] L. Ozdemir, Development of Theoretical Equations for
Tunneling and Underground Space Technology, 26(5) Predicting Tunnel Borability, Colorado School of mines,
(2011) 595–603. Golden, Colorado, 1977.
[17] E. Farrokh, J. Rostami, C. Laughton, Study of various [7] P.C. Graham, Rock exploration for machine
models for estimation of advance rate of hard rock manufacturers, in: Exploration for Rock Engineering,
TBMs, Tunneling and Underground. Space Technology, Balkema, Johannesburg, 1976, pp. 173-180.
30 (2012) 110–123.
[8] I. Farmer, N. Glossop, Mechanics of disc cutter advance,
[18] A. Palmström, RMi- a rock mass characterization system Tunnels and Tunnelling, 12(6) (1980) 22-25.
for rock engineering purposes Oslo University, 1995.
[9] P. Nelson, A. Ingraffea, T. Rourke, TBM performance
[19] N. Barton, TBM performance estimation in rock using prediction using rock fracture parameters, International
QTBM, Tunnels and Tunneling International, (1999). Journal of Rock Mechanics and Mining Sciences and
Geomechanics Abstracts, 22(3) (1985) 189-192.
[20] Z.T. Bieniawski, Rock Mass Excavability (RME) index,
in: ITA World Tunnelling Congress, Seoul, 2006. [10] W. Bamford, Rock test indices are being successfully
correlated with tunnel boring machine performance, in:
[21] E. Avunduk, H. Copur, Empirical modeling for
Fifth Australian Tunnelling Conference: State of the Art
predicting excavation performance of EPB TBM based
in Underground Development and Construction, 1984.
on soil properties. Tunneling and Underground Space
Technology, 71 (2018) 340–353. [11] M. Grima, M. Alvarez, P. A. Bruines, P. Verhoef,
Modeling tunnel boring machine performance by neuro-
[22] U. Ates, N. Bilgin, H. Copur, Estimating torque, thrust
fuzzy methods, Tunnelling and Underground Space
and other design parameters of different type TBMs
Technology, 15(3) (2000) 259-269.
with some criticism to TBMs used in Turkish tunneling
projects, Tunneling and Underground Space Technology, [12] D.J. Armaghan, E.T. Mohamad, M.S. Narayansamy,
20 (2014) 46–63. N. Narita, S. Yagiz, Development of hybrid intelligent
models for predicting TBM advance rate in hard
[23] J.P. Vargas, J.C. Koppe, C. Pérez, Monte Carlo
rock condition, Tunnelling and Underground Space
simulation as a tool for tunneling planning. Tunneling
Technology, 63 (2017) 29-43.
and Underground Space Technology, 40 (2014) 203–
209. [13] R. Mikaeil, M.Z. Naghadehi, F. Sereshki, Multifactorial
fuzzy approach to the penetrability classification of TBM
[24] A. Babaei, Application of Monte Carlo simulation in
in hard rock conditions, Tunnelling and Underground
tunneling, Iran University of Science and Technology,
Space Technology, 24(5) (2009) 500-505.
2003 (in Persian).
[14] O.T. Blindheim, Boreability predictions for tunneling
[25] Shabani, O. Sayyadi, K. Goshtasbi, A. Roodbari,
The Norwegian Institute of Technology, 1979.
Investigation of Uncertainties in tunneling projects costs
using Monte Carlo- Case study of Dasht Zahab Tunnel. [15] A. Ramezanzadeh, Perforamnce analysis and
, in: Seventh Iranian Tunnelling Conference, Tehran, development of new models for performance prediction
2006 (in Persian). of hard rock TBM in rock mass, Ph.D Thesis, INSA,
Lyon, (2005).
[26] G. Piaggio, J.P. Novel, G.W. Bianchi, A. Bochon,
Probabilistic estimation of project duration using TBM [16] J. Hassanpour, J. Rostami, J. Zhao, A new hard rock TBM
951
954 تا935 صفحه،1400 سال،3 شماره،53 دوره،نشریه مهندسی عمران امیرکبیر
[35] N.R. Morgenstern, Managing risk in geotechnical prediction models: application to the safety gallery of
engineering, in: 10th Pan American Conference on Soil the Fréjus Tunnel, in: World Tunneling Congress (2013)
Mechanics and Foundation Engineering, 1995. 1141–1148., 2013.
[36] M. Cai, Rock mass characterization and rock property [27] Frenzel, Modeling uncertainty in cutter wear prediction
variability considerations for tunnel and cavern design. for tunnel boring machines, in: GeoCongress, 2012, pp.
Rock Mechanics and Rock Engineering, 44(4) (2011) 3199–3208.
379–399.
[28] S. Eftekhari, S.M. Mokhtarian, A. Baghbanan, Advance
[37] M.M. Aral, M.L. Maslia, Application of Monte Carlo rate prediction of tunnel boring machine using artificial
Simulation to Analytical Contaminant Transport neural networks and Monte Carlo methods, Journal of
Modeling, in: Groundwater Quality Modeling and geotechnical geology 10(4) (2014) 255-264 (in Persian).
Management Under Uncertainty, Environmental and
[29] H. Copur, H. Aydin, N. Bilgin, C. Balci, D. Tumac, C.
Water Resources, Institute of the American Society of
Dayanc, Predicting performance of EPB TBMs by using
Civil Engineers, Philadelphia, PA, American Society of
a stochastic model implemented into a deterministic
Civil Engineers, 2003, pp. 305–312.
model, Tunneling and Underground Space Technology
[38] M. Ghias, An introduction to Monte Carlo simulation 42 (2014) 1–14.
method, Basparesh Quarterly, 4(1) (2014) 67-77 (in
[30] S. Yagiz, H. Karahan, Application of various
Persian).
optimization techniques and comparison of their
[39] BIPM, IFCC, ISO, Evaluation of measurement data performances for predicting TBM penetration rate in
Supplement 1 to the ‘Guide to the expression of rock mass, International Journal of Rock Mechanics and
uncertainty in measurement’ Propagation of distributions Mining Sciences 80 (2017) 308–315.
using a Monte Carlo method, Joint committee for guides
[31] A. Salimi, R.S. Faradonbeh, M. Monjezi, C. Moormann,
in metrology, 101 (2008). JCGM, 2008.
TBM performance estimation using a classification
[40] Concept of uncertainty and sensitivity analysis and regression tree (CART) technique, Bulletin of
[Online], in: https:// https://rdreview.jaea.go.jp/review_ Engineering Geology and the Environment 77 (2018)
en/2010/6_6f6_13.html 429-440.
[41] F. Macias, Hard rock tunnel boring: performance [32] M.R. Maleki, Rock Joint Rate (RJR); a new method
predictions and cutter life assessments, Norwegian for performance prediction of tunnel boring machines
University of Science and Technology, 2016. (TBMs) in hard rocks, Tunneling and Underground
Space Technology 73 (2018) 261–286.
[42] L. Ozdemir, R. Miller, F.D. Wang, Mechanical tunnel
boring prediction and machine design, Final project to [33] V.B. Maji, G.V. Theja, A New Performance Prediction
NSF APR73-07776-A03, Colorado School of Mines, Model for Rock TBMs, Indian Geotechnical Journal
Golden, Colorado, 1978. 47(3) (2017) 364–372.
[43] J. Rostami, L. Ozdemir, A New Model for Performance [34] A. Johari, F. Sani, M. Parvaz, Reliability analysis of
Prediction of Hard Rock TBMs, in: Rapid Excavation infinite soil slope stability using distribution of variables
and Tunneling Conference, 1993, pp. 793-809. composition method, in: 6th national civil engineering
congress, Semnan, 2011 (in Persian).
[44] J. Rostami, Development of a force estimation model for
952
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.
DOI: 10.22060/ceej.2019.16692.6310
953
ﺖ
اﺳ
ﻰ ﺧﺎﻟ
ﻤﺪ ًا
ﻪﻋ
ﻔﺤ
ﺻ
ﯾﻦ
ا