‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪ ،1399‬صفحه ‪ 53‬تا ‪71‬‬ ‫نشريه مهندسی منابع معدنی‬

‫‪Vol. 5, No. 4, Winter 2021, pp. 53-71‬‬ ‫‪Journal of Mineral Resources Engineering‬‬
‫)‪(JMRE‬‬

‫‪DOI: 10.30479/jmre.2020.11452.1314‬‬ ‫علمی‪-‬پژوهشی‬

‫تحلیل حساسیت مدل‌های پیش‌بینی عملکرد ماشین حفر تمام مقطع در تونل انتقال آب‬
‫الر‪-‬کالن‬

‫‪3‬‬
‫محسن سرداری‪ ،1‬شکراله زارع‪2‬٭‪ ،‬مسعود مزرعه لی‬
‫‪ -1‬کارشناسی ارشد‪ ،‬دانشکده مهندسی معدن‪ ،‬دانشگاه صنعتی شاهرود‪ ،‬شاهرود‬
‫‪ -2‬دانشیار‪ ،‬دانشکده مهندسی معدن‪ ،‬دانشگاه صنعتی شاهرود‪ ،‬شاهرود‬
‫‪ -3‬دانشجوی دکترا‪ ،‬دانشکده مهندسی معدن‪ ،‬دانشگاه صنعتی شاهرود‪ ،‬شاهرود‬

‫(دريافت ‪ ،1398/06/05‬پذيرش ‪)1398/12/12‬‬

‫چكيده‬

‫در بیشتر پروژه‌های تونل‌سازی از ماشین‌های حفر تمام مقطع تونل‏(‪ )TBM‬استفاده می‌شود‪ .‬ارزیابی عملکرد این ماشین‌ها در تخمین میزان‬
‫هزینه و زمان حفر تونل بسیار مهم است‪ .‬نرخ نفوذ‪ ،‬یکی از شاخص‪‎‬های مهم در ارزیابی عملکرد ماشین است که با روش‌‍‌های مختلف برآورد‬
‫می‌شود‪ .‬تحلیل حساسیت یک مدل‪ ،‬برای بررسی تاثیرپذیری متغیر خروجی از متغیرهای ورودی انجام می‌شود‪ .‬در این مطالعه‪ ،‬سه مدل اصلی‬
‫‪ CSM ،NTNU ،QTBM‬و دو مدل حسن‌پور و فرخ براساس اطالعات مربوط به شرایط زمین‌شناسی و اطالعات حفاری تونل انتقال آب الر‪-‬کالن‪،‬‬
‫مورد تحلیل حساسیت قرار گرفته و تاثیر تغییرات عوامل ورودی مدل‌ها بر تغییرات نرخ نفوذ بررسی شده است‪ .‬نتایج کلی به‏این صورت است‬
‫که افزایش نیروی پیشران‪ ،RPM ،CLI ،‬تخلخل و شاخص خردشدگی و کاهش ‪ ،Q‬محتوای کوارتز‪ ،‬مقاومت فشاری تک‌محوره‪ ،‬مقاومت کششی‪،‬‬
‫تنش مماسی و ‪ ،RQD‬باعث افزایش نرخ نفوذ می‌شوند‪ .‬تحلیل حساسیت‪ ،‬براساس دو نمودار گردبادی و عنکبوتی‪ ،‬مورد ارزیابی قرار گرفته و‬
‫برای مدل‌های مختلف‪ ،‬تاثیر تغییرات شاخص‌ها بر روی تغییرات نرخ نفود‪ ،‬بررسی و عواملی که بیشترین تاثیر را بر نرخ نفود دارند‪ ،‬مشخص‬
‫شده‌اند؛ از عوامل مربوط به شرایط زمین‌شناسی تغییرات ‪ ،Q‬تخلخل‪ ،‬مقاومت فشاری تک‌محوره و ‪ RQD‬و از شاخص‪‎‬های مربوط به ماشین حفر‬
‫تونل‪ ،‬تغییرات نیروی پیشران و ‪ ،RPM‬بیشترین تاثیر را بر تغییرات نرخ نفوذ در تونل مورد مطالعه داشتند‪.‬‬

‫كلمات كليدي‬

‫ماشین حفر تمام مقطع‪ ،‬نرخ نفوذ‪ ،‬تحلیل حساسیت‪ ،‬نمودار گردبادی‪ ،‬نمودار عنکبوتی‪.‬‬

‫٭نویسنده مسئول و عهده دار مکاتبات ‪Email: zare@shahroodut.ac.ir‬‬

‫‪53‬‬ ‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬
‫نشريه مهندسی منابع معدنی‬ ‫محسن سرداری‪ ،‬شکراله زارع‪ ،‬مسعود مزرعه لی‬

‫شرایط زمین‌شناسی خوب است‪ .‬نتایج نشان داد که در مدل‬ ‫‪ -1‬مقدمه‬

‫‪ ،CSM‬نیروی پیشران‪ ،‬در مدل ‪ ،NTNU‬نیروی پیشران و‬
‫یکی از شاخص‪‎‬های مهم در تخمین زمان و هزینه پروژه‬
‫میزان خردشدگی و در مدل ‪ ،QTBM‬تغییرات ‪ ،Q‬بیشترین‬
‫تونل‌سازی‪ ،‬پیش‌بینی عملکرد ماشین حفر تمام مقطع تونل است‪.‬‬
‫تاثیر را بر نرخ نفوذ داشتند[‪.]20‬‬
‫روش‌های مختلفی که برای تخمین عملکرد ماشین ارایه‌شده‪،‬‬
‫در این مطالعه تحلیل حساسیت روی سه مدل اصلی‬
‫به دو دسته مدل‌های تجربی و نظری تقسیم‌بندی می‏شوند‪ .‬از‬
‫‪ NTNU ،QTBM‬و ‪ CSM‬و دو مدل حسن‌پور و همکاران‬ ‫مدل‌های نظری می‌توان به مدل‌های راکسبورور و فیلیپس]‪،[1‬‬
‫[‪ ]12‬و فرخ و همکاران[‪ ]13‬با دراختیارداشتن اطالعات پروژه‬ ‫سانیو]‪ ،[2‬ساتو]‪ ،[3‬اسنودون و همکاران]‪ ،[4‬بوید ]‪ [5‬و ]‪[6‬‬
‫تونل‌سازی الر‪-‬کالن انجام شده است‪ .‬در برخی از واحدهای‬ ‫‪ CSM‬اشاره کرد‪ .‬مدل‌های پیش‌بینی تجربی براساس نحوه‬
‫زمین‌شناسی تونل مورد مطالعه‪ ،‬حفاری انجام گرفته و اطالعات‬ ‫ارایه‪ ،‬بر مبنای شاخص‪‎‬های توده‌سنگ و یا مطالعات آزمایشگاهی‬
‫این واحدهای زمین‌شناسی برای تحلیل حساسیت استفاده‬ ‫تقسیم‌بندی شده‌اند‪ .‬مدل‌های تجربی مبتنی‪‎‬بر شاخص‪‎‬های‬
‫شده است‪ .‬سنگ‌های موجود در مسیر تونل مورد مطالعه‪،‬‬ ‫توده‌سنگ نیز با توجه به روش استفاده‪‎‬شده به سه دسته تقسیم‬
‫بیشتر شامل سنگ‌های رسوبی با مقاومت کم تا زیاد (‪6/5-94‬‬ ‫می‌شوند‪ .‬آلوارز ]‪ ،[7‬ارمغانی]‪ [8‬و میکاییل ]‪ [9‬از روش‌های‬
‫مگاپاسکال) و تخلخل کم تا زیاد (‪ 1-12‬درصد) است‪ .‬بیشتر‬ ‫هوش مصنوعی برای ارایه مدل استفاده کرده‌اند‪ .‬مدل‌های]‪‎[10‬‬
‫تحلیل حساسیت‌های انجام‪ ‎‬شده تاکنون‪ ،‬با توجه به پایگاه داده‬ ‫‪ ،‌NTNU‬رمضان‌زاده (‪ ،[11]‌)2005‬حسن‌پور ]‪ [12‬و فرخ‌]‪[13‬‬
‫اصلی مدل‌ها بوده و مطالعات کمی برپایه شرایط زمین‌شناسی‬ ‫از روش‌های آماری استفاده کرده‌اند‪ .‬مدل‌های ‪،[14] RMi‬‬
‫مشابه تونل الر‪-‬کالن انجام شده است‪ .‬با تحلیل حساسیت‬ ‫‪ [15] QTBM‬و ‪ [16] RME‬مبتنی‪‎‬بر سیستم‌‌های رده‌بندی‬
‫مدل‌ها بر اساس شرایط تونل نامبرده‪ ،‬می‌توان کارایی مدل‌ها‬ ‫توده‌سنگ هستند‪ .‬بر روی برخی از این مدل‌ها‪ ،‬تحلیل حساسیت‬
‫را مورد ارزیابی قرار داد‪ .‬به‪‎‬عنوان نمونه‪ ،‬در تحلیل حساسیت‬ ‫انجام شده است‪ .‬زورآبادی و همکاران[‪ ]17‬با تحلیل حساسیت‬
‫انجام شده بر روی مدل ‪ NTNU‬در مطالعات گذشته‪ ،‬تاکنون‬ ‫مدل‌های ‪ NTNU ،QTBM‬و ‪ RMi‬و طبق پایگاه داده اصلی‬
‫تاثیر تخلخل‪ ،‬زیاد مد نظر قرار نگرفته که دلیل آن نیز تحلیل‬ ‫مدل‌ها و براساس نمودار گردباد شاخص‌ها‪ ،‬به این نتیجه رسیدند‬
‫حساسیت در شرایط زمین‌شناسی با تخلخل کم بوده است‪.‬‬ ‫که در مدل ‪ QTBM‬مقدار ‪ ،Q‬نیروی پیشران و تنش مماسی‬
‫هم‪‎‬چنین در شرایط زمین‌شناسی ضعیف‪ ،‬چون نرخ نفوذ باال با‬ ‫و در مدل ‪ NTNU‬و ‪ ،RMi‬نیروی پیشران و فاصله‌داری درزه‪،‬‬
‫نیروی پیشران و سرعت چرخش کله حفار کم به‪‎‬دست می‌آید‪،‬‬ ‫بیشترین تاثیر را بر نرخ نفوذ دارند ]‪ .[17‬ماسیاس در سال ‪2016‬‬
‫معموال تغییرات شاخص‪‎‬های توده‌سنگ نسبت به تغییرات‬ ‫با افزودن داده‌های تعدادی پروژه تونل‌سازی‪ ،‬مدل ‪ NTNU‬را‬
‫عوامل مرتبط با ماشین متفاوت خواهد بود‪ .‬در این مطالعه‬ ‫به‌روزرسانی کرد و به‌تحلیل حساسیت مدل‪ ،‬براساس نمودار‬
‫موارد ذکر شده‪ ،‬مورد بررسی قرار گرفته است‪.‬‬ ‫عنکبوتی شاخص‪‎‬ها پرداخت‪ .‬نتیجه به‪‎‬دست آمده نشان داد که‬
‫نیروی پیشران و فاکتور خردشدگی‪ ،‬بیشترین تاثیر را بر نرخ‬
‫‪ -2‬تحلیل حساسیت‬
‫نفوذ دارند]‪ .[18‬فاطمی و همکاران در مطالعه‌ای مدل‌های یاگیز‪،‬‬
‫تحلیل حساسیت‪ ،‬مطالعه تاثیر‌پذیری متغیر خروجی از‬ ‫خادمی‪ ،‬گانگ و فرخ را براساس پایگاه داده اصلی مدل‌ها مورد‬
‫متغیرهای ورودی یک مدل آماری است‪ .‬به‌عبارت دیگر‪ ،‬روشی‬ ‫تحلیل قرار داده وبا عنایت به نتایج نمودارهای گردباد و عنکبوتی‬
‫برای ارزیابی تغییرات شاخص خروجی در اثر تغییرات عوامل‬ ‫دریافتند که در مدل یاگیز‪ ،PSI ،‬در مدل خادمی‪ ،‬مقاومت‬
‫ی بابهره‪‎‬گیری از یک مدل ریاضی است‪ .‬تاکنون روش‌های‬ ‫ورود ‌‬ ‫فشاری تک‌محوره‪ ،‬در مدل گانگ‪ ،‬حجم بلوکی درزه (‪ )Jv‬و‬
‫متنوعی برای تحلیل حساسیت ارایه شده است‪ .‬روش‌های‬ ‫در مدل فرخ‪ ،RPM ،‬بیشترین تاثیر را بر تغییرات نرخ نفوذ‬
‫تحلیل حساسیت از نظر روش‌های آماری‪ ،‬ریاضی و گرافیکی‬ ‫دارند]‪ .[19‬یانگ و همکاران(‪ )2017‬نیز به تحلیل حساسیت‬
‫تقسیم‌بندی می‌شوند‪ .‬ساده‌ترین شکل تحلیل حساسیت‪ ،‬تغییر‬ ‫مدل‌های ‪ QTBM ،NTNU ،CSM‬برپایه اطالعات پروژه‌ای‬
‫یک متغیر‪ ،‬با ثابت نگه‏داشتن سایر متغیرها و بررسی تاثیر تغییر‬ ‫در اروپا که توسط ‪ TBM‬باز حفاری‌شده بود‪ ،‬پرداخته‌اند‪ .‬این‬
‫بر نتایج مدل است‪ .‬این روش به‏عنوان تحلیل حساسیت یک‬ ‫پروژه دارای سنگ‌هایی با مقاومت باال(‪250-130‬مگاپاسکال) و‬
‫طرفه شناخته شده است‪ .‬از آن‏جا که در این روش‪ ،‬تنها یک‬ ‫میزان خردشدگی کم(‪ )0/36-1/73‬بوده و می‌توان گفت دارای‬

‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬ ‫‪54‬‬

‫نشريه مهندسی منابع معدنی‬
‫تغییرات مقدار شاخص خروجی را برپایه تغییرات عوامل ورودی‬
‫نشان می‌دهد‪ .‬این نمودار میزان تغییرات مقدار خروجی را با‬
‫میزان تغییرات مقادیر ورودی‪ ،‬بر حسب درصد‪ ،‬به صورت خطی‬
‫نشان می‌دهد؛ هرچه شیب خط مربوط به یک شاخص ورودی‬
‫بیشتر باشد‪ ،‬تاثیر آن بر عامل خروجی بیشتر است‪.‬‬
‫بعضی مواقع الزم است که تاثیر تغییر دو یا چند عامل به‪‎‬صورت‬
‫‪ -3‬مطالعه موردی‬
‫قطعه دوم تونل انتقال آب الر‪-‬کالن‪ ،‬از دره جورد واقع در‬
‫شمال شرقی روستای جورد آغاز شده و تا بخش انتهایی تونل‬
‫انتقال آب الر‪-‬کالن در مجاورت نیروگاه و روستای کالن ادامه‬
‫یافته‪‎‬است(شکل‪ .)1‬این قطعه از تونل‪ ۷۴۹۲ ،‬متر طول دارد و‬
‫روند کلی آن شرقی‪ -‬غربی است‪ .‬قطر حفاری و تمام‏شده تونل‬
‫به‏ترتیب ‪ 4/5‬و ‪ 3/8‬متر با مقطع دایره‌ای شکل است‪ .‬طرحی از‬
‫پروفیل تونل‪ ،‬در شکل ‪ 2‬نمایش داده شده است‪.‬‬
‫محدوده مورد مطالعه (مقطع تونل)‪ ،‬شامل واحدهای‬
‫سنگی رسوبی تخریبی و بعضا شیمیایی و بیوشیمیایی‪،‬‬
‫آذرآواری و آذرین است‪ .‬با توجه به برداشت‌های صورت‪‎‬گرفته‬
‫در مطالعات صحرایی و در نظرگرفتن مقیاس نقشه‪ ،‬محدوده‬
‫مورد مطالعه از نظر زمین‌شناسی‪ ،‬شامل ‪ ۶‬واحد است‪ .‬اما‬
‫با بررسی‌های زمین‌شناسی مهندسی صورت‏گرفته و در نظر‪‎‬‬
‫گرفتن وجود واحدهای سنگی موجود در مسیر حفاری تونل‪۸ ،‬‬
‫واحد زمین‌شناسی مهندسی قابل تشخیص است‪ .‬توصیف کلی‬
‫این واحدها را جدول ‪ 1‬می‌توان دید‪.‬‬
‫در این مطالعه‪ ،‬تحلیل حساسیت طبق اطالعات واحدهای‬
‫زمین‌شناسی مسیر تونل که حفاری شده‌اند‪ ،‬انجام شده است‪.‬‬
‫نوع ماشین مورد استفاده برای حفاری این تونل از نوع ماشین‬
‫حفر تمام مقطع تلسکوپی است‪ .‬این نوع از ماشین‌ها بسیار‬
‫کاربردی بوده و معموال در مواقعی که شرایط زمین‌شناسی‬
‫مسیر تونل متغیر است‪ ،‬به‪‎‬کار می‌روند‪ .‬مشخصات ماشین مورد‬
‫استفاده در قطعه ‪ 2‬تونل انتقال آب الر‪-‬کالن در جدول ‪ 2‬ارایه‬
‫شده است‪ .‬جدول ‪ ،3‬پروفیل و محدوده عوامل زمین‌شناسی و‬
‫عملکرد ماشین در این واحدها را نشان می‪‎‬دهد‪ .‬این پارامترهای‬
‫عملکردی شامل شاخص عمر کاتر (‪ ،)CLI‬نیروی رانش و‬
‫همچنین سرعت چرخش کله حفار می‌باشند‪ .‬الزم به ذکر است‬
‫که مقدار شاخص حفرپذیری سنگ یا همان ‪ ،DRI‬همانند‬
‫‪ ،CLI‬براساس بانک اطالعاتی آزمایشگاه مکانیک خاک و سنگ‬
‫‪ SINTEF‬و اطالعات موجود در مراجع (به‪‎‬عنوان نمونه[‪)]12‬‬
‫برای پروژه‌های مشاب ‌ه با پروژه تونل انتقال آب الر‪-‬کالن تخمین‬
‫زده شده است‪.‬‬
‫‪55‬‬
‫تحلیل حساسیت مدل‌های پیش‌بینی عملکرد ماشین حفر تمام مقطع در ‪...‬‬
‫شاخص تغییر می‌کند‪ ،‬حساسیت مدل نسبت به آن شاخص‬
‫مشخص خواهد شد؛ البته در دفعات بعد‪ ،‬می‌تواند بر روی‬
‫عوامل دیگر‪ ،‬تحلیل انجام شود و حساسیت مدل به هر کدام‬
‫از شاخص‏ها با هم مقایسه شود‪ .‬تجزیه و تحلیل حساسیت‬
‫یک طرفه در نشان‪‎‬دادن تاثیر یک شاخص در مدل مفید است؛‬
‫هم‪‎‬زمان بررسی شود‪ .‬تحلیل حساسیت چند وجهی این امکان‬
‫را فراهم می‌کند که تاثیر تغییر ترکیب‌های احتمالی عوامل‬
‫تاثیر‌گذار‪ ،‬در دامنه تغییرات آن‌ها ارزیابی شود‪ .‬الزم به‪‎‬ذکر است‬
‫که تفسیر و نمایش تحلیل حساسیت چندوجهی با افزایش‬
‫تعداد شاخص‌ها پیچیده و مشکل خواهد شد‪ .‬در روش تحلیل‬
‫ص یک مقدار مشخص به‬ ‫حساسیت احتمالی‪ ،‬به‌جای اختصا ‌‬
‫هر شاخص‪ ،‬یک توزیع برای تمام شاخص‌های موجود در مدل‬
‫درنظر گرفته می‪‎‬شود‪ .‬در این روش‪ ،‬مشابه روش چندوجهی‬
‫تاثیر هم‌زمان شاخص‌ها مورد ارزیابی قرار می‌گیرد‪ .‬مقادیر‬
‫ورودی مدل از تابع توزیع احتمالی آن‌ها‪ ،‬انتخاب و حساسیت‬
‫مدل‪ ،‬نسبت به تغییر هر کدام از آن‌ها محاسبه می‌شود ]‪.[21‬‬
‫باید به این نکته توجه کرد که در هر یک از مدل‌ها‪ ،‬میزان‬
‫تاثیر هر یک از عوامل‪ ،‬به تغییرات داده‌های پروژه‌ای که تحلیل‬
‫حساسیت بر اساس انجام می‌شود و هم‪‎‬چنین به پایگاه داده‌‬
‫اصلی که مدل بر پایه آن ارایه‪‎‬شده‪ ،‬بستگی دارد‪ .‬به بیان دیگر‪،‬‬
‫در هریک از مدل‌ها‪ ،‬شاخصی که همبستگی بیشتری با شاخص‬
‫هدف داشته است‪ ،‬در مدل طوری قرار داده شده که هنگام‬
‫تحلیل حساسیت‪ ،‬این همبستگی آشکار می‌شود‪ .‬در برخی‬
‫از مدل‌ها چنان‪‎‬چه دو شاخص همبستگی با شاخص هدف‪،‬‬
‫برابری داشته باشند‪ ،‬شاخصی که بازه تغییرات آن بیشتر است‪،‬‬
‫تاثیر بیشتری در شاخص هدف خواهد داشت‪ .‬هم‪‎‬چنین‪ ،‬هنگام‬
‫تحلیل حساسیت باید به این نکته توجه داشت که شاید در‬
‫یک مدل ارایه‪‎‬شده‪ ،‬همبستگی بیشتری بین شاخص هدف با‬
‫شاخص ورودی وجود داشته است‪ ،‬در حالی‌که ممکن است‬
‫در پایگاه داده مدلی دیگر‪ ،‬همبستگی ضعیفی بین این دو‬
‫شاخص وجود داشته باشد؛ بنابراین در تحلیل مدل‌ها نباید‬
‫انتظار داشت که یک شاخص در دو مدل‪ ،‬تاثیر یکسانی داشته‬
‫باشد و در هر دو مدل‪ ،‬به‪‎‬عنوان موثرترین شاخص شناخته شود‪.‬‬
‫در تحلیل حساسیت می‌توان از دو نوع نمودار گردباد و‬
‫عنکبوتی استفاده کرد‪ .‬نمودار گردباد تنها تغییر کلی در مقدار‬
‫شاخص خروجی را براساس میانگین‪ ،‬حداقل و حداکثر شاخص‪‎‬ها‬
‫نشان می‌دهد و شاخصی که بیشترین طول نمودار را داشته باشد‪،‬‬
‫به‏عنوان موثرترین شاخص شناخته می‌شود‪ .‬نمودار عنکبوتی‪،‬‬
‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬
‫نشريه مهندسی منابع معدنی‬ ‫ مسعود مزرعه لی‬،‫ شکراله زارع‬،‫محسن سرداری‬

‫ تونل انتقال آب الر‬2 ‫ موقعیت و مسیر قطعه‬:1 ‫شکل‬

‫ پروفیل تونل با واحدهای زمین‌شناسی مهندسی‬:2 ‫شکل‬

‫ توصیف‌های میدانی واحدهای زمین‌شناسی مهندسی موجود در محدوده مورد مطالعه‬:1 ‫جدول‬
‫طبقهبندی سنگ‬ ‫واحد زمینشناسی‬
‫واحد زمینشناسی‬
‫مقاومت‬ ‫توصیف‬ ‫مهندسی‬
Medium Sandy Silty Clayey Tuff Pefmsc SSCT
Strong To Very Strong Leucocratic Plutonic Rocks Ts LP
Medium Green Tuff And Tuffaceous Shale Ekt GT
Weak Melanocratic Plutonic Rocks Tgb MP
Weak Marl,Sandstone,Siltstone M MSC
Medium Green Tuff, Marly Tuff Ekm KTM
Very Weak Crushed Zone - Cr
Very Weak Gravel, Sand, Silt, Clay Q Qt

1399 ‫ زمستان‬،4 ‫ شماره‬،‫دوره پنجم‬ 56

‫نشريه مهندسی منابع معدنی‬ ‫تحلیل حساسیت مدل‌های پیش‌بینی عملکرد ماشین حفر تمام مقطع در ‪...‬‬

‫متغیر اول از حداقل تا مقدار حداکثر با درصدهای مختلف تغییر‬ ‫جدول ‪ :2‬مشخصات ماشین حفر قطعه ‪ 2‬تونل انتقال آب الر‪-‬کالن‬
‫یافته و نمودار به‌دست می‌آید‪ .‬این روند برای سایر عوامل نیز‬ ‫مقدار‬ ‫پارامتر‬
‫تکرار و نمودار تمامی متغیر‪‎‬ها در یک نمودار کلی رس ‌م و تاثیر‬ ‫‪5/64‬‬ ‫قطر ماشیه حفار (متر)‬
‫متغیر‪‎‬های مختلف بر شاخص هدف‪ ،‬بررسی می‌شود‪.‬‬ ‫‪543‬‬ ‫قطر کاتر دیسک (میلیمتر)‬
‫‪56‬‬ ‫فاصلهداری کاترها (میلیمتر)‬
‫‪ -5‬مدل‌های پیش‌بینی عملکرد ‪TBM‬‬ ‫‪2231‬‬ ‫توان (وات)‬
‫‪23‬‬ ‫سرعت چرخش کاتر هد (دور در دقیقه)‬
‫در طول چند دهه گذشته‪ ،‬برای ارزیابی عملکرد‬ ‫‪213‬‬ ‫گشتاور (کیلوویوته متر)‬
‫ماشین‪‎‬های حفاری‪ ،‬مدل‌‌های مختلفی معرفی و توسعه داده‬ ‫‪22111‬‬ ‫ویروی تراست (کیلوویوته)‬
‫شده‌‌اند تا بتوانند یکی از شاخص‌‌های ارزیابی عملکرد ماشین‬
‫را با یک یا چند شاخص ماشین و یا شرایط زمین مرتبط‬
‫کنند‪ .‬محققان زیادی تاکنون برای پیش‌بینی عملکرد ماشین‬ ‫‪ -4‬روش انجام تحلیل حساسیت‬
‫حفاری‪ ،‬مدل‌های تجربی و نظری ارایه داد‌اند و از این بین‪،‬‬ ‫تحلیل حساسیت شامل دو نوع نمودار گردبادی و عنکبوتی‬
‫مدل‌هایی که برای تحلیل حساسیت انتخاب شده‌‪ ،‬در ادامه‬ ‫است‪ .‬در رسم نمودار گردبادی‪ ،‬ابتدا با توج ‪‎‬ه به میانگین شاخص‌ها‬
‫معرفی می‌شوند‪.‬‬ ‫(یا همان متغیرهای تحقیق)‪ ،‬نرخ نفوذ متوسط محاسب ‌ه می‌شود‪.‬‬
‫در مراحل بعد‪ ،‬نرخ نفوذ بر اساس مقادیر حداقل و حداکثر متغیر‬
‫‪ -1-5‬مدل ‪QTBM‬‬
‫اول و مقدار میانگین عوامل دیگر‪ ،‬محاسبه و نمودار کلی برای‬
‫مدل ‪ ،QTBM‬براساس نگارش جدیدی از سیستم‬ ‫متغیر اول به‪‎‬دست می‌آید‪ .‬همین روند برای متغیر‏های دیگر نیز‬
‫رده‌بندی ‪ Q‬توسط "بارتن" در سال ‪ ۱۹۹۹‬پیشنهاد شده‬ ‫تکرار می‌شود‪ .‬سپس نمودار مربوط به تمامی متغیر‏ها با هم‬
‫است‪ .‬در واقع وی با اضافه کردن عواملی که در عملکرد ماشین‬ ‫مقایسه شده و متغیری که بیشترین تاثیر را بر نرخ نفوذ دارد‪،‬‬
‫مؤثر هستند‪ ،‬شاخص جدیدی به نام ‪ QTBM‬را معرفی کرد‬ ‫مشخص می‌شود‪ .‬در رسم نمودار عنکبوتی نیز برای رسم نمودار‬
‫که با شاخص نرخ نفوذ ماشین مرتبط است‪ .‬رابطه ‪ ،1‬ارتباط‬ ‫متغیر اول‪ ،‬از میانگین متغیر‏های دیگر استفاده می‪‎‬شود و مقدار‬

‫جدول ‪ :3‬مشخصات زمین‌شناسی و ژئومکانیکی واحدهای سنگی مسیر تونل‬

‫‪Thrust‬‬ ‫‪BTS‬‬ ‫‪Porosity‬‬ ‫‪γ‬‬ ‫‪qu‬‬ ‫‪UCS‬‬ ‫‪σθ‬‬ ‫واحد‬
‫‪RPM‬‬ ‫‪RQD‬‬ ‫‪Q‬‬ ‫‪CLI‬‬ ‫‪DRI‬‬ ‫‪Range‬‬
‫)‪(kN‬‬ ‫)‪(MPa‬‬ ‫)‪(%‬‬ ‫)‪(gr/ton3‬‬ ‫)‪(%‬‬ ‫)‪(MPa‬‬ ‫)‪(MPa‬‬ ‫زمینشناسی‬
‫‪1/4‬‬ ‫‪80/83‬‬ ‫‪2/99‬‬ ‫‪7/8‬‬ ‫‪2/29‬‬ ‫‪25‬‬ ‫‪0/15‬‬ ‫‪75‬‬ ‫‪45‬‬ ‫‪5‬‬ ‫‪12/16‬‬ ‫‪4/96‬‬ ‫‪Min‬‬
‫‪4/6‬‬ ‫‪111/11‬‬ ‫‪10/7‬‬ ‫‪12/1‬‬ ‫‪2/77‬‬ ‫‪70‬‬ ‫‪1/6‬‬ ‫‪100‬‬ ‫‪55‬‬ ‫‪15‬‬ ‫‪45/7‬‬ ‫‪0/69‬‬ ‫‪Max‬‬ ‫‪Ekm‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪5/5‬‬ ‫‪9/7‬‬ ‫‪2/48‬‬ ‫‪50‬‬ ‫‪0/4‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪22/77‬‬ ‫‪3/72‬‬ ‫‪Ave‬‬
‫½‬ ‫‪84/77‬‬ ‫‪-‬‬ ‫‪7/8‬‬ ‫‪2/59‬‬ ‫‪-‬‬ ‫‪0/02‬‬ ‫‪75‬‬ ‫‪45‬‬ ‫‪5‬‬ ‫‪-‬‬ ‫‪13/02‬‬ ‫‪Min‬‬
‫‪3/2‬‬ ‫‪103/88‬‬ ‫‪-‬‬ ‫‪12/1‬‬ ‫‪2/76‬‬ ‫‪-‬‬ ‫‪0/15‬‬ ‫‪100‬‬ ‫‪55‬‬ ‫‪15‬‬ ‫‪-‬‬ ‫‪0/74‬‬ ‫‪Max‬‬ ‫‪Cr‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪0/55‬‬ ‫‪9/7‬‬ ‫‪2/7‬‬ ‫‪10‬‬ ‫‪0/05‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪6/5‬‬ ‫‪7/74‬‬ ‫‪Ave‬‬
‫‪2/3‬‬ ‫‪61/11‬‬ ‫‪1/76‬‬ ‫‪4/76‬‬ ‫‪2/25‬‬ ‫‪20‬‬ ‫‪0/1‬‬ ‫‪50‬‬ ‫‪45‬‬ ‫‪10‬‬ ‫‪14/07‬‬ ‫‪6/75‬‬ ‫‪Min‬‬
‫‪4/2‬‬ ‫‪91/33‬‬ ‫‪5/9‬‬ ‫‪8/88‬‬ ‫‪2/85‬‬ ‫‪65‬‬ ‫‪1/8‬‬ ‫‪80‬‬ ‫‪65‬‬ ‫‪20‬‬ ‫‪50/43‬‬ ‫‪6/18‬‬ ‫‪Max‬‬ ‫‪M‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪3/7‬‬ ‫‪6/05‬‬ ‫‪2/58‬‬ ‫‪35‬‬ ‫‪0/25‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪20/99‬‬ ‫‪6/67‬‬ ‫‪Ave‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪2/23‬‬ ‫‪2/48‬‬ ‫‪2/6‬‬ ‫‪25‬‬ ‫‪0/25‬‬ ‫‪11‬‬ ‫‪33‬‬ ‫‪0‬‬ ‫‪27/31‬‬ ‫‪9/32‬‬ ‫‪Min‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪6/73‬‬ ‫‪3/88‬‬ ‫‪2/83‬‬ ‫‪85‬‬ ‫‪4‬‬ ‫‪22‬‬ ‫‪45‬‬ ‫‪5‬‬ ‫‪51/77‬‬ ‫‪9/68‬‬ ‫‪Max‬‬ ‫‪Tgb‬‬
‫‪5‬‬ ‫‪130/86‬‬ ‫‪4/4‬‬ ‫‪3/1‬‬ ‫‪2/75‬‬ ‫‪55‬‬ ‫‪0/7‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪34/56‬‬ ‫‪9/63‬‬ ‫‪Ave‬‬
‫‪3/4‬‬ ‫‪79/55‬‬ ‫‪2/99‬‬ ‫‪1/3‬‬ ‫‪2/37‬‬ ‫‪20‬‬ ‫‪0/1‬‬ ‫‪75‬‬ ‫‪45‬‬ ‫‪5‬‬ ‫‪35‬‬ ‫‪20/08‬‬ ‫‪Min‬‬
‫‪4‬‬ ‫‪95/28‬‬ ‫‪8/2‬‬ ‫‪10/7‬‬ ‫‪2/65‬‬ ‫‪70‬‬ ‫‪1/5‬‬ ‫‪100‬‬ ‫‪75‬‬ ‫‪15‬‬ ‫‪94/4‬‬ ‫‪7/73‬‬ ‫‪Max‬‬ ‫‪Ekt‬‬
‫‪-‬‬ ‫‪-‬‬ ‫‪5/6‬‬ ‫‪6/73‬‬ ‫‪2/51‬‬ ‫‪40‬‬ ‫‪0/25‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪-‬‬ ‫‪62/06‬‬ ‫‪12/56‬‬ ‫‪Ave‬‬

‫‪57‬‬ ‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬

‫نشريه مهندسی منابع معدنی‬ ‫محسن سرداری‪ ،‬شکراله زارع‪ ،‬مسعود مزرعه لی‬

‫تحلیل حساسیت‪ ،‬براساس اطالعات قطعه ‪ 2‬تونل انتقال آب‬ ‫بین عوامل مختلف با ‪ QTBM‬و رابطه ‪ ،2‬نرخ نفوذ را نشان‬
‫الر‪-‬کالن است(جدول‪ .)3‬در این مطالعه به‪‎‬جای‪ ،RQD0‬از‬ ‫می‪‎‬دهد]‪:[22‬‬
‫‪ RQD‬معمولی استفاده شد‪ .‬تحلیل حساسیت شامل دو نوع‬
‫نمودار گردبادی و عنکبوتی با این اطالعات انجام شد‪ .‬در شکل‬ ‫(‪)1‬‬
‫‪ ،3‬نتایج حاصل از نمودار گردبادی نمایش داده شده است‪.‬‬ ‫‪⁄‬‬

‫نمودار شاخص‪‎‬های مختلف در مدل ‪ ،QTBM‬نشان می‪‎‬دهد‬

‫(‪)2‬‬
‫که تغییرات شاخص ‪ ،Q‬بیشترین تاثیر را بر تغییرات نرخ نفوذ‬
‫دارد‪ .‬کاهش مقدار ‪ ،σθ ،Q‬محتوای کوارتز‪ ،‬مقاومت فشاری‬
‫که در رابطه‪:1‬‬
‫تک‌محوره و چگالی و افزایش نیروی پیشران و ‪ ،CLI‬باعث‬
‫‪ :ROD0‬مقدار ‪ RQD‬در جهت موازی با محور تونل‬
‫افزایش نرخ نفوذ می‌شود‪ .‬بنابراین مهم‪‎‬ترین شاخص تاثیرگذار‬
‫‪ : Jn‬معرف تعداد درزه‌ها‬
‫توده‌سنگ و ماشین به‏ترتیب ‪ Q‬و نیروی‪‎‬پیشران‪‎‬است‪.‬‬
‫‪ : Jr‬معرف زبری درزه‬
‫با توجه به تغییرات ‪ Q‬در این پروژه‪ ،‬کیفیت توده‌سنگ‬ ‫‪ : Ja‬معرف هوازدگی درزه‬
‫در محدوده بسیار ضعیف تا ضعیف قرار دارد که نشان‌دهنده‬ ‫‪ : Jw‬معرف جریان آب در درزه‬
‫شرایط آسان‌تر برای حفاری است‪ .‬باید به این نکته توجه‬ ‫‪ : SRF‬ضریب کاهش تنش‬
‫کرد که در این شرایط هر چند حفاری آسان‌تر و نرخ نفوذ‬ ‫‪ : SIGMA‬معادل مقاومت توده‌سنگ‬
‫افزایش می‌یابد‪ ،‬در مقابل پایداری توده‌سنگ‪ ،‬کم است و نرخ‬ ‫شاخص‪ : F‬متوسط بار کاتر‪(‎‬برحسب تن‪-‬نیرو)‬
‫پیشروی تحت تاثیر زمان نصب سیستم نگهداری قرار می‌گیرد‪.‬‬ ‫‪ : CLI‬شاخص عمر کاتر‬
‫این نتایج‪ ،‬با نمودار شکل ‪ 5‬که توسط بارتن ارایه شده است‪،‬‬ ‫‪ : q‬محتوای کوارتز به درصد‬
‫مطابقت دارد‪ .‬شکل‪ ،4‬نشان می‪‎‬دهد کاهش مقدار ‪ Q‬نسبت به‬ ‫‪ :σθ‬تنش مماسی ایجاد‪‎‬شده در سینه‌کار تونل (برحسب‬
‫افزایش آن‪ ،‬تاثیر بیشتری در نرخ نفوذ دارد‪.‬‬ ‫مگاپاسکال) است که نسبت به عمق ‪ 100‬متر‪ ،‬نرمالیزه شده‬
‫همان‪‎‬طور که بیان شد نمودار عنکبوتی نیز در تحلیل‬ ‫است‪.‬‬
‫حساسیت مورد استفاده قرار می‌گیرد‪ .‬در این نمودار‪ ،‬تاثیر‬ ‫محدوده تغییرات عوامل ورودی مدل ‪ QTBM‬برای انجام‬

‫شکل ‪ :3‬نمودار گردباد تحلیل حساسیت مدل ‪QTBM‬‬

‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬ ‫‪58‬‬

‫نشريه مهندسی منابع معدنی‬ ‫تحلیل حساسیت مدل‌های پیش‌بینی عملکرد ماشین حفر تمام مقطع در ‪...‬‬

‫دیگر عوامل‪ ،‬تاثیر بیشتری بر روی تغییرات نرخ نفوذ دارد‪.‬‬ ‫تغییرات شاخص‪‎‬ها برحسب درصد‪ ،‬روی تغییرات شاخص‬
‫هدف بررسی می‌شود‪ .‬به‪‎‬عنوان مثال بررسی می‌شود که در چه‬
‫‪ -2-5‬مدل ‪NTNU‬‬
‫محدوده‌ای از تغییرات‪ ،‬شاخص‪‎‬ها تاثیر بیشتری دارند‪ .‬نمودار‬
‫در میان مدل‌های تجربی‪ ،‬مدل ‪ NTNU‬کامل‌ترین و‬ ‫عنکبوتی تحلیل حساسیت مدل ‪ ،QTBM‬شکل‪ ،5‬نشان‬
‫پرکاربردترین روش برای تخمین عملکرد ماشین‌های سنگ‬ ‫می‌دهد وقتی تغییرات شاخص‪‎‬ها کمتر از ‪ 25‬درصد است‪،‬‬
‫سخت محسوب می‌شود‪ .‬اولین نگارش این مدل در سال‬ ‫شیب خط‪ Q‬نسبت‪ ‎‬به دیگر شاخص‪‎‬ها بیشتر است و تاثیر‬
‫‪ ۱۹۷۹‬در دانشگاه علوم و تکنولوژی نروژ ارایه شد]‪ [10‬و با‬ ‫بیشتری بر نرخ نفوذ دارد؛ اما زمانی‪‎‬که تغییرات شاخص‪‎‬ها بیش‬
‫توجه به تکمیل‪‎‬شدن داده‌های بانک اطالعاتی مربوطه توسط‬ ‫از ‪ 75‬درصد است‪ ،‬تاثیر تغییرات نیروی پیشران‪ ،‬بیشترین بوده‬
‫محققان مختلف تا سال ‪ ،۱۹۹۸‬مورد بازبینی و تصحیح‬ ‫و عوامل دیگر‪ ،‬شیب بسیار کمی دارند‪ .‬در کمتر از ‪25‬درصد‬
‫قرار گرفت‪ .‬آخرین به‪‎‬روز رسانی این مدل در سال ‪2016‬‬ ‫تغییرات‪ ،‬شیب خط شاخص‪‎‬ها نسبت به زمانی‪‎‬که تغییرات‬
‫توسط "ماسیاس" ارایه شد‪ .‬فلسفه مدل ‪ ،NTNU‬دستیابی‬ ‫بیش از ‪ 25‬درصد است‪ ،‬بیشتر بوده و بعد از ‪25‬درصد‪ ،‬شیب‬
‫به پیش‌بینی‌های قابل اعتماد با ترکیب ویژگی‌های توده‬
‫خط شاخص‪‎‬ها‪-‬به‪‎‬جز نیروی پیشران‪ -‬بسیار کم می‌شود؛ به‪‎‬این‬
‫‌سنگ مربوطه و عوامل دستگاهی است‪ .‬در این مدل‪ ،‬تمام‬
‫معنی‪‎‬که در این محدوده‪ ،‬تغییرات نیروی پیشران نسبت به‬
‫شاخص‪‎‬های مربوط به توده ‌سنگ در قالب یک شاخص با‬
‫نام "معیار خردشدگی معادل" یا ‪ Kekv‬و تمام عوامل مربوط‬
‫به ماشین در قالب یک شاخص‪ ،‬تحت عنوان "نیروی رانش‬
‫معادل" یا ‪ Mekv‬باهم ترکیب می‌شوند‪ .‬رابطه ‪ ،3‬رابطه اصلی‬
‫مدل ‪ NTNU‬است که از تحلیل تعداد زیادی آزمون نفوذ‬
‫انجام‌شده در حین حفاری دستگاه به دست آمده است و‬
‫رابطه حاصل از آن (رابطه ‪ )3‬منحنی نفوذ نرمال‌شده نامیده‬
‫می‌شود‪ .‬شاخص خردشدگی معادل‪ ،‬با رابطه ‪ 4‬و نیروی‬
‫پیشران معادل‪ ،‬با رابطه ‪ 5‬قابل محاسبه هستند‪ .‬پس از‬
‫محاسبه نرخ نفوذ پایه(‪ ،)i0‬نرخ نفوذ خالص(‪ )I0‬برحسب متر‬
‫برساعت نیز با رابطه ‪ 6‬قابل محاسبه است]‪:[18‬‬ ‫شکل ‪ :4‬رابطه بین ‪ PR‬و ‪]23[ Q‬‬

‫شکل ‪ :5‬نمودار عنکبوتی تحلیل حساسیت مدل ‪QTBM‬‬

‫‪59‬‬ ‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬

‫نشريه مهندسی منابع معدنی‬ ‫محسن سرداری‪ ،‬شکراله زارع‪ ،‬مسعود مزرعه لی‬

‫‪ : kpor‬شاخص تصحیح تخلخل‬

‫(‪)3‬‬
‫‪ : kDRI‬شاخص حفرپذیری سنگ است‪.‬‬
‫در روابط ‪ 5‬و ‪:6‬‬
‫(‪)4‬‬
‫‪ : MB‬نیروی پیشران متوسط اعمال‪‎‬شده بر روی هر کاتر‬
‫‪ : Kd‬ضریب تصحیح برای قطر دیسک کاتر‬
‫‪ : Ka‬ضریب تصحیح برای فاصله‌داری متوسط دیسک‬ ‫(‪)5‬‬
‫کاترها است‪.‬‬
‫‪ :RPM‬سرعت چرخش کله حفار بر حسب دور بر دقیقه‬ ‫(‪)6‬‬
‫‪ :KRPM‬ضریب تصحیح برای ‪ RPM‬است‪.‬‬
‫برای تحلیل حساسیت مدل ‪ ،NTNU‬ابتدا مقدار فاکتور‬ ‫در رابطه ‪ 3‬که "منحنی نفوذ نرمال‪‎‬شده" نیز نامیده می‌شود‪:‬‬
‫خردشدگی کل‪ ،‬براساس مقادیر و جهت شیب ناپیوستگی‌ها‬ ‫‪ : i0‬نرخ نفوذ پایه برحسب میلی‪‎‬متر بر دور کله حفار‬
‫در واحدهای زمین‌شناسی مسیر تونل محاسبه شد‪ .‬مقدار این‬ ‫‪ : Mekv‬نیروی رانش معادل بر حسب کیلونیوتن بر کاتر‬
‫شاخص برای واحدهای زمین‌شناسی مختلف در جدول ‪ 4‬ارایه‬ ‫‪ : M1‬نیروی پیشران بحرانی است‪ ،‬که طبق تعریف‪ ،‬نیرویی‬
‫شده است‪ .‬شاخص‪‎‬های ارایه‌شده برای ناپیوستگی‌ها در این‬ ‫است که برای ایجاد یک میلی‏متر نفوذ در سنگ الزم است‪.‬‬
‫جدول‪ ،‬معرف چهار دسته درزه‏(‪ J3 ،J2 ،J1‬و ‪ )J4‬و هم‪‎‬چنین‬ ‫این شاخص و ضریب ثابت نفوذ(‪ )b‬به معیار خردشدگی معادل‬
‫یک الیه‌بندی‪ )B(‎‬است که در حین مطالعات زمین‌شناسی‬ ‫وابسته هستند‪.‬‬
‫مهندسی با استفاده از روش خط برداشت‪ 1‎‬برداشت شده‪‎‬اند‪.‬‬ ‫در رابطه ‪:4‬‬
‫در زون شکسته‪ )Cr(‎‬نیز برای معیارخردشدگی کل‪ ،‬مقدار ‪3/5‬‬ ‫‪ : ks-tot‬معیار خردشدگی کل‬

‫جدول ‪ :4‬وضعیت ناپیوستگی‌ها وشاخص خردشدگی در هر دسته برای واحدهای زمین‌شناسی مسیر تونل‬

‫فاکتور خرد‬ ‫فاصلهداری‬

‫فاکتور خرد‬ ‫کالس‬ ‫آزیموت تونل‬ ‫واحد‬
‫شدگی ‪ks-‬‬ ‫ناپیوستگیها‬ ‫‪( α‬درجه)‬ ‫ناپیوستگیها‬
‫شدگی ‪ks‬‬ ‫شکستگی‬ ‫(درجه)‬ ‫زمینشناسی‬
‫‪total‬‬ ‫(سانتیمتر)‬
‫‪0/88‬‬ ‫‪5‬‬ ‫‪25/6‬‬ ‫‪9/39‬‬ ‫‪B‬‬
‫‪1/4‬‬ ‫‪5‬‬ ‫‪29/2‬‬ ‫‪43/95‬‬ ‫‪J1‬‬
‫‪2/88‬‬ ‫‪0/64‬‬ ‫‪4‬‬ ‫‪34/6‬‬ ‫‪16/64‬‬ ‫‪204‬‬ ‫‪J2‬‬ ‫‪Ekm‬‬
‫‪0/92‬‬ ‫‪4‬‬ ‫‪49‬‬ ‫‪51/94‬‬ ‫‪J3‬‬
‫‪0/48‬‬ ‫‪3‬‬ ‫‪107/5‬‬ ‫‪4/5‬‬ ‫‪J4‬‬
‫‪0/96‬‬ ‫‪4‬‬ ‫‪34/6‬‬ ‫‪39/88‬‬ ‫‪B‬‬
‫‪0/7‬‬ ‫‪3‬‬ ‫‪76‬‬ ‫‪46/4‬‬ ‫‪J1‬‬
‫‪1/8‬‬ ‫‪204‬‬ ‫‪M‬‬
‫‪0/51‬‬ ‫‪3‬‬ ‫‪95‬‬ ‫‪15/01‬‬ ‫‪J2‬‬
‫‪0/71‬‬ ‫‪3‬‬ ‫‪112‬‬ ‫‪53/55‬‬ ‫‪J3‬‬
‫‪0/88‬‬ ‫‪4‬‬ ‫‪49‬‬ ‫‪34/39‬‬ ‫‪J1‬‬
‫‪1/42‬‬ ‫‪0/72‬‬ ‫‪3‬‬ ‫‪76‬‬ ‫‪49/03‬‬ ‫‪230‬‬ ‫‪J2‬‬ ‫‪Tgb‬‬
‫‪0/54‬‬ ‫‪2‬‬ ‫‪130‬‬ ‫‪53/3‬‬ ‫‪J3‬‬
‫‪1/08‬‬ ‫‪5‬‬ ‫‪21/2‬‬ ‫‪21/91‬‬ ‫‪B‬‬
‫‪0/8‬‬ ‫‪4‬‬ ‫‪37/3‬‬ ‫‪80/94‬‬ ‫‪J1‬‬
‫‪2/44‬‬ ‫‪0/98‬‬ ‫‪4‬‬ ‫‪58‬‬ ‫‪41/96‬‬ ‫‪230‬‬ ‫‪J2‬‬ ‫‪Ekt‬‬
‫‪0/56‬‬ ‫‪3‬‬ ‫‪103‬‬ ‫‪21/07‬‬ ‫‪J3‬‬
‫‪0/46‬‬ ‫‪2‬‬ ‫‪121‬‬ ‫‪18‬‬ ‫‪J4‬‬

‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬ ‫‪60‬‬

‫نشريه مهندسی منابع معدنی‬
‫در سنگ‌های رسوبی است‪ .‬افزایش تخلخل‪ ،‬باعث کاهش‬
‫مقاومت فشاری تک‌محوره سنگ و در نتیجه‪ ،‬افزایش نرخ نفوذ‬
‫می‪‎‬شود‪ .‬ولی این‪‎‬که چرا تخلخل نسبت به معیار خردشدگی‪،‬‬
‫تاثیر بیشتری در نرخ نفوذ دارد‪ ،‬بیشتر به بازه تغییرات این‬
‫شاخص‪‎‬ها مربوط می‌شود‪ .‬در مدل ‪ NTNU‬و در رابطه شاخص‬
‫خردشدگی معادل‪ ،‬هر دو عامل خردشدگی کل و تصحیح‬
‫تخلخل به یک نسبت نقش دارند؛ در این پروژه‪ ،‬بازه تغییرات‬
‫تخلخل نسبت به شاخص خردشدگی‪ ،‬بیشتر بوده و به‪‎‬همین‬
‫دلیل در تحلیل حساسیت‪ ،‬باالتر از شاخص خردشدگی قرار‬
‫گرفته است‪ .‬در حالی‪‎‬که طبق مطالعات انجام شده]‪ ‎[17‬در‬
‫سنگ‌های آذرین که تخلخل کمتر است‪ ،‬مقدار خردشدگی کل‬
‫تاثیر بیشتری نسبت به تخلخل در نرخ نفوذ دارد‪.‬‬
‫همان‪‎‬طور که نمودار عنکبوتی تحلیل حساسیت‬
‫مدل‪( ‎NTNU‬شکل ‪ )7‬نشان می‌دهد‪ ،‬وقتی تغییرات‬
‫شاخص‪‎‬ها کمتر از ‪ 25‬درصد است‪ ،‬تمامی شاخص‪‎‬ها دارای‬
‫شیب بوده‪ ،‬یعنی تغییرات آنها روی تغییرات نرخ نفوذ تاثیر‬
‫دارد؛ اما زمانی‏که تغییرات شاخص‏ها بیش از ‪ 25‬درصد‬
‫می‌شود‪ ،‬شیب سه عامل ‪ ،ks-tot ،DRI ،Porosity‬تقریبا‬
‫صفر می‌شود و به دلیل این است که مقدار شاخص خردشدگی‬
‫معادل بیش از ‪ 3/5‬شده و تغییرات این سه عامل‪ ،‬دیگر موثر‬
‫نیست‪ .‬دو شاخص ‪ RPM‬و نیروی پیشران‪ ،‬بیشترین شیب را‬
‫داشته و تغییرات آنها ‪ ،‬تاثیر زیادی روی تغییرات نرخ نفوذ‬
‫دارد‪ .‬هم‏چنین شیب این دو شاخص نیز تقریبا در طول کل‬
‫تغییرات‪ ،‬ثابت است‪.‬‬
‫شکل ‪ :6‬نمودار گردباد تحلیل حساسیت مدل ‪NTNU‬‬
‫‪61‬‬
‫تحلیل حساسیت مدل‌های پیش‌بینی عملکرد ماشین حفر تمام مقطع در ‪...‬‬
‫درنظرگرفته‪‎‬شد‪ .‬محدوده تغییرات عوامل ورودی مدل ‪NTNU‬‬
‫نیز در جدول‪ 3‬ارایه شده است‪ .‬تحلیل حساسیت برای مدل انجام‬
‫شده و نمودار گردبادی تحلیل حساسیت را در شکل‪ 6‬می‌توان‬
‫دید‪ .‬براساس نمودار گردباد‪ ،‬افزایش تمامی شاخص‪‎‬ها‪ ،‬باعث‬
‫افزایش نرخ نفوذ شده و تغییرات دو شاخص ‪ RPM‬و نیروی‬
‫پیشران‪ ،‬بیشترین تاثیر را بر تغییرات نرخ نفوذ دارند‪ .‬از آنجایی‌که‬
‫در محاسبه "شاخص خردشدگی معادل" بر اساس مقدار حداقل‬
‫و حداکثر ‪ ،DRI‬حاصل‪‎‬ضرب مقادیر میانگین تخلخل و شاخص‬
‫خردشدگی منتج به یک شاخص معادل بیشتر از ‪ 3/5‬می‌شد‬
‫و این شاخص نمی‌تواند بیشتر از مقدار مذکور باشد‪ ،‬شاخص‬
‫خردشدگی معادل مستقل از تغییرات ‪ DRI‬در نظر گرفته شد‪.‬‬
‫از این‌رو‪ ،‬تاثیر تغییرات تخلخل در مدل ‪ NTNU‬به‏صورت‬
‫کلی و فارغ از تاثیر ‪ DRI‬بررسی شد‪ .‬مطابق با نتایج به‌دست‬
‫آمده‪ ،‬در این مدل وقتی مقدار تخلخل زیاد است‪ ،‬چون شاخص‬
‫خردشدگی معادل‪ ،‬خارج از محدوده مدل می‌شود‪ ،‬نمی‌تواند نرخ‬
‫نفوذ را به‪‎‬صورت دقیق محاسبه کند‪.‬‬
‫نیروهای مورد نیاز برای حفاری‪ ،‬به‪‎‬وسیله چرخش کله‬
‫حفاری و نیروی پیشران تامین می‌شود؛ بنابراین هرچقدر‬
‫دور دستگاه بیشتر باشد‪ ،‬نرخ نفوذ بیشتری حاصل می‌شود‪،‬‬
‫ولی با توجه به وجود محدودیت‌هایی مانند حداکثر سرعت‬
‫چرخشی مجاز برش‌دهنده‌های محیطی‪ ،‬شرایط زمین‪ ،‬ظرفیت‬
‫بیلچه‌های جمع‌آوری کننده مصالح و هم‏چنین ظرفیت نوار‬
‫نقاله‪ ،‬امکان افزایش بیش ‏از‏ حد دور دستگاه وجود ندارد‪.‬‬
‫تخلخل یک شاخص مهم در میزان حفرپذیری سنگ‌ها به‪‎‬ویژه‬
‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬
‫نشريه مهندسی منابع معدنی‬ ‫محسن سرداری‪ ،‬شکراله زارع‪ ،‬مسعود مزرعه لی‬

‫‪ -3-5‬مدل ‪CSM‬‬
‫(‪)8‬‬
‫نگارش اولیه این مدل توسط"ازدمیر" در سال ‪1977‬‬
‫]‪ [6‬و "ازدمیر و میلر" در سال ‪ [23] 1978‬در مدرسه معدن‬
‫√‬ ‫(‪)9‬‬ ‫کلرادو ارایه شد‪ .‬این محققان با درنظر گرفتن اثر فاصله‌داری‬
‫√‬ ‫دیسک کاترها و میزان نفوذ دیسک کاتر در سنگ و با فرض‬
‫که در این روابط‪:‬‬ ‫تشکیل تراشه‌ها بر اثر گسیختگی برشی در مجاورت دیسک‬
‫‪ : R‬شعاع برش‪‎‬دهنده‬ ‫کاترها‪ ،‬مدلی نظری را برای پیش‌بینی نیروهای برش در‬
‫‪ : T‬عرض لبه برش‪‎‬دهنده‬ ‫دیسک کاترهای ‪ V‬شکل‪ ،‬توسعه دادند‪ .‬در واقع این مدل‪،‬‬
‫‪ :Ψ‬ثابت توزیع فشار(متغیر بین ‪ 0/2‬تا ‪ )-0/2‬است‪.‬‬ ‫روابطی را برای تخمین نیروی مورد نیاز برای نرخ نفوذ ثابت‬
‫‪ : ϕ‬زاویه تماس بین سنگ و برش‪‎‬دهنده‬ ‫دیسک کاتر(با ویژگی‌های هندسی مشخص) در سنگ ارایه‬
‫‪ : P0‬فشار پایه در زون خردشده و نقطه‪‎‬ای دقیقا در زیر کاتر‬ ‫می‌دهد‪ .‬این مدل در دهه ‪ ۹۰‬توسط"رستمی و ازدمیر" به‪‎‬روز‬
‫‪ : p‬میزان نفوذ کاتر در سنگ برحسب میلی‏متر بر دور‬ ‫شد ]‪ .[24‬روابط ارایه شده‪ ،‬در سال ‪ 1997‬توسط"رستمی" با‬
‫کله حفار‬ ‫فرض استفاده از کاترهای با سطح مقطع ثابت و براساس وقوع‬
‫‪ :σc‬مقاومت فشاری‬ ‫گسیختگی کششی در سنگ توسعه داده شدند ]‪.[25‬‬
‫‪ :σt‬مقاومت کششی سنگ‬ ‫در این مدل برای تعیین حداکثر نرخ نفوذ ماشین در سنگی‬
‫‪ : S‬فاصله‌داری برش‪‎‬دهنده هستند‪.‬‬ ‫با ویژگی‌های مشخص‪ ،‬از یک روش آزمون و خطا استفاده‬
‫پس از محاسبه ‪ ϕ‬و ‪ ،Ft‬ثابت كاتر با رابطه‪ ،10‬نیروی‬ ‫می‌شود که در آن شاخص‪‎‬های ماشین(گشتاور‪ ،‬نیروی پیشران‬
‫عمودی با رابطه ‪ 11‬و غلتشی با رابطه ‪ 12‬قابل محاسبه هستند‪:‬‬ ‫و غیره) برای یک مقدار مشخص از نرخ نفوذ در سنگ‪ ،‬تخمین‬
‫زده می‌شود و آن‪‎‬قدر مقدار این نرخ نفوذ در روابط‪ ،‬تغییر داده‬
‫(‪)10‬‬ ‫می‌شود تا ظرفیت توان و نیروی پیشران ماشین‪،‬کامل استفاده‬
‫شود‪ .‬در این مدل‪ ،‬نیروی کل یا برآیند نیروهای عمودی و‬
‫(‪)11‬‬ ‫غلتشی از رابطه ‪ 7‬به‪‎‬دست می‌آید ]‪:[24‬‬

‫(‪)7‬‬
‫(‪)12‬‬

‫شکل ‪ :7‬نمودار عنکبوتی تحلیل حساسیت مدل ‪NTNU‬‬

‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬ ‫‪62‬‬

‫نشريه مهندسی منابع معدنی‬ ‫تحلیل حساسیت مدل‌های پیش‌بینی عملکرد ماشین حفر تمام مقطع در ‪...‬‬

‫‪ :Vmax‬محدوده سرعت خطی دیسک کاترها هستند‬

‫(‪)13‬‬
‫هم‪‎‬چنین ‪ :η‬ضریب راندمان مکانیکی ماشین‬
‫‪ :K‬ضریب تبدیل گشتاور به اسب بخار یا کیلووات است‪.‬‬ ‫در این مدل‪ ،‬گام‌های زیر برای پیش‌بینی عملکرد‪TBM‬‬
‫مهم‏ترین محدودیت این مدل‪ ،‬عدم در نظر گرفتن‬ ‫دنبال می‌‌شود ]‪:[26‬‬
‫ویژگی‌های درزه‌داری توده‌سنگ در روابط توسعه‪‎‬یافته است‪.‬‬ ‫محاسبه نیروی پیشران مورد نیاز‬
‫این محدودیت توسط برخی محققان دیگر نظیر"شیما"]‪،[27‬‬
‫"یاگیز"]‪ [28‬و"رمضان‌زاده"]‪ [11‬نیز مطالعه و تصحیحاتی بر‬ ‫∑‬ ‫(‪)14‬‬
‫روی آن اعمال شده است‪.‬‬
‫محدوده تغییرات شاخص‪‎‬های ورودی مدل ‪ CSM‬در‬ ‫محاسبه گشتاور کل‬
‫جدول ‪ 3‬آورده شده است‪ .‬این مدل برای محاسبه نرخ نفوذ در‬
‫زون شکسته‪ ،‬کاربرد ندارد؛ به‪‎‬همین دلیل حداقل مقدار مقاومت‬ ‫∑‬ ‫(‪)15‬‬
‫فشاری تک‌محوره ‪ 12/6‬مگاپاسکال در نظر گرفته شده است‪.‬‬
‫نمودار گردباد به‪‎‬دست آمده از تحلیل حساسیت را در شکل ‪8‬‬ ‫محاسبه سرعت دوران کله حفاری‬
‫می‌توان دید‪ .‬کاهش دو شاخص مقاومت فشاری تک‌محوره و‬
‫مقاومت کششی سنگ همراه با افزایش ‪ RPM‬ماشین‪ ،‬باعث‬ ‫(‪)16‬‬
‫افزایش نرخ نفوذ می‌شود‪ .‬براساس نمودار گردباد‪ ،‬در این مدل‬
‫محاسبه توان مورد نیاز‬
‫تغییرات شاخص ‪ ،UCS‬بیشترین تاثیر را بر تغییرات نرخ نفوذ‬
‫دارد‪.‬‬ ‫(‪)17‬‬
‫با مشاهده نمودار عنکبوتی تحلیل حساسیت مدل ‪CSM‬‬
‫(شکل‪ ،)9‬می‌توان گفت وقتی تغییرات شاخص‪‎‬ها کمتر از ‪25‬‬ ‫گشتاور و توان نهایی نصب‪‎‬شده با مشخص‪‎‬بودن راندمان‬
‫درصد است‪ ،‬نمودار مقاومت فشاری تک‌محوره سنگ دارای‬ ‫مکانیکی ماشین (‪ )η‬به‪‎‬دست می‌آید‪:‬‬
‫بیشترین شیب و بعد از ‪ 25‬درصد شیب خط شاخص‪‎‬ها کمتر‬
‫(‪)18‬‬
‫می‌شود‪ .‬بعد از ‪ 50‬درصد تغییرات در مقدار شاخص‪‎‬ها‪ ،‬شیب‬
‫خط ‪ RPM‬نسبت به دو شاخص دیگر و تاثیر آن بر نرخ نفوذ‬ ‫که در آن‪:‬‬
‫افزایش می‌یابد‪.‬‬ ‫‪ : DTBM‬قطر ماشین‬
‫‪ :NTBM‬تعداد دیسک کاترها‬

‫شکل ‪ :8‬نمودار گردباد تحلیل حساسیت مدل ‪CSM‬‬

‫‪63‬‬ ‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬

‫نشريه مهندسی منابع معدنی‬
‫محدوده تغییرات شاخص‪‎‬های ورودی مدل حسن‌پور نیز‬
‫در شکل‪ 3‬آورده شده است‪ .‬نتایج حاصل از تحلیل حساسیت‪،‬‬
‫در شکل ‪ 10‬نمایش داده شده است‪ .‬برپایه نمودار گردباد‪،‬‬
‫در این مدل از شاخص‪‎‬های توده ‌سنگ تغییرات ‪ RQD‬و از‬
‫شاخص‪‎‬های مربوط به ماشین‪ ،‬تغییرات ‪ ،RPM‬بیشترین تاثیر‬
‫را در تغییرات نرخ نفوذ دارند‪ .‬کاهش ‪ RQD‬و مقاومت فشاری‬
‫و افزایش نیروی پیشران و ‪ ،RPM‬باعث افزایش نرخ نفوذ‬
‫می‌شوند‪ .‬هم‌چنین‪ ،‬اختالف بین نمودار گردباد شاخص‪‎‬های‬
‫ورودی بسیار کم است‪.‬‬
‫عالوه بر آن با توجه به نمودار عنکبوتی تحلیل حساسیت‬
‫مدل حسن‌پور و همکاران (شکل‪ ،)11‬وقتی تغییرات شاخص‏ها‬
‫کمتر از ‪ 25‬درصد است‪ ،‬شیب خط آنها نسبت به زمانی‏که‬
‫تغییرات بیش از ‪ 25‬درصد است‪ ،‬بیشتر می‌شود‪ ،‬بدان معنی‬
‫که در این محدوده‪ ،‬تغییرات شاخص‪‎‬ها بیشتر روی تغییرات‬
‫نرخ نفوذ‪ ،‬تاثیر داشته است‪.‬‬
‫‪ -5-5‬مدل فرخ و همکاران‬
‫میزان نرخ نفوذ را نیز می‌توان با رابطه ‪ 20‬محاسبه کرد‪:‬‬
‫"فرخ و همکاران"در سال ‪ 2012‬برای ارایه مدل جدید‬
‫پیش‌بینی عملکرد ‪ TBM‬با سطح دقت بیشتر‪ ،‬اطالعات بیش از‬
‫‪ 300‬پروژه تونل‌سازی ثبت‪‎‬شده را تجزیه و تحلیل کردند و پایگاه‬
‫داده جامعی را تشکیل دادند‪ .‬تحلیل اطالعات این پایگاه داده‪،‬‬
‫مدلی ساده‌تر را با تاکید بر اندازه‌گیری شاخص‪‎‬های اصلی مانند‬
‫قطر تونل‪ ،‬کیفیت سنگ‪ ،‬مقاومت فشاری تک‌محوره ‪ ،‬سرعت‬
‫چرخش کله حفاری و نوع سنگ فراهم کرد‪ .‬با انجام رگرسیون‬
‫چندمتغیره‪ ،‬رابطه ‪ 21‬برای نرخ نفوذ ارایه شده است ]‪:[13‬‬
‫شکل ‪ :9‬نمودار عنکبوتی تحلیل حساسیت مدل ‪CSM‬‬
‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬
‫محسن سرداری‪ ،‬شکراله زارع‪ ،‬مسعود مزرعه لی‬
‫‪ -4-5‬مدل حسن‌پور و همکاران‬
‫"حسن‌پور و همکاران" در سال ‪ 2011‬براساس اطالعات‬
‫‪ 158‬مقطع از تونل‌ انتقال آب در ایران و تونل تایلر دوم‬
‫ماناپوری‪ ،‬با استفاده از روش رگرسیون چندمتغیره‪ ،‬مدلی را‬
‫برای پیش‌بینی عملکرد ‪ TBM‬ارایه دادند‪ .‬این تونل‌ها در انواع‬
‫سنگ‌ها شامل رسوبی‪ ،‬آذرین و دگرگونی با طیف گسترده‌ای از‬
‫مقاومت‪ ،‬حفاری شده‌اند‪ .‬مقدار شاخص نفوذ صحرایی (‪ )FPI‬با‬
‫رابطه ‪ 19‬قابل محاسبه است]‪:[12‬‬
‫)‬ ‫)‬ ‫)‬ ‫(‪)19‬‬
‫که در آن‪:‬‬
‫‪ : FPI‬برحسب یکای فشار نرمال هر یک از ابزار برش در‬
‫‪2‬‬
‫نرخ پیشروی دستگاه به ازای یک چرخش کله حفار‬
‫‪ : UCS‬مقاومت فشاری تک‌محوره سنگ بر حسب‬
‫مگاپاسکال‬
‫‪ :RQD‬شاخص کیفیت سنگ برحسب درصد است‪.‬‬
‫(‪)20‬‬
‫که در آن‪:‬‬
‫‪ : ROP‬نرخ نفوذ بر حسب متر بر ساعت‬
‫‪ : FN‬متوسط نیروی دیسک کاتر بر حسب کیلونیوتن‬
‫‪ :RPM‬سرعت چرخش کله حفاری بر حسب دور بر دقیقه‬
‫است‪.‬‬
‫‪64‬‬
‫نشريه مهندسی منابع معدنی‬ ‫تحلیل حساسیت مدل‌های پیش‌بینی عملکرد ماشین حفر تمام مقطع در ‪...‬‬

‫‪ :RPM‬سرعت چرخش کله حفاری برحسب دور بر دقیقه‬ ‫(‪)21‬‬

‫است‪.‬‬
‫محدوده تغییرات شاخص‪‎‬های ورودی مدل فرخ را در‬
‫جدول ‪ 7‬و نمودار گردبادی تحلیل حساسیت را در شکل ‪12‬‬
‫می‌توان دید‪ .‬در این مدل‪ ،‬تغییرات مقاومت فشاری تک‌محوره‬
‫بیشترین تاثیر را بر تغییرات نرخ نفوذ دارد‪ .‬کاهش مقاومت‬
‫فشاری تک‌محوره و افزایش شاخص‪‎‬های دیگر‪ ،‬باعث افزایش‬
‫نرخ نفوذ می‌شود‪ .‬از شاخص‏های مربوط به سنگ‪ ،‬تغییرات‬
‫مقاومت فشاری تک‌محوره و از شاخص‏های مربوط به ماشین‪،‬‬
‫تغییرات دور دستگاه‪ ،‬بیشترین تاثیر را بر تغییرات نرخ نفوذ‬
‫دارند‪.‬‬
‫که در آن‪:‬‬
‫‪ :D‬قطر تونل برحسب متر‬
‫‪ :RTc‬کد عددی مربوط به نوع سنگ (جدول ‪)5‬‬
‫‪ :UCS‬مقاومت فشاری تک‌محوره برحسب مگاپاسکال‬
‫‪ :RQDc‬کد عددی شاخص کیفیت سنگ یا ‪RQD‬‬
‫(جدول‪)6‬‬
‫‪ :Fn‬نیروی عمودی دیسک کاتر برحسب کیلونیوتن‬

‫شکل ‪ :10‬نمودار گردباد تحلیل حساسیت مدل حسن‌پور و همکاران‬

‫شکل ‪ :11‬نمودار عنکبوتی تحلیل حساسیت مدل حسن‌پور و همکاران‬

‫‪65‬‬ ‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬

‫نشريه مهندسی منابع معدنی‬ ‫محسن سرداری‪ ،‬شکراله زارع‪ ،‬مسعود مزرعه لی‬

‫جدول‪ :7‬محدوده تغییرات شاخص‪‎‬های ورودی مدل فرخ‬ ‫جدول‪ :5‬طبقه‌بندی سنگ در پایگاه داده‪‎‬های فرخ و همکاران [‪]13‬‬
‫میانگین‬ ‫حداکثر‬ ‫حداقل‬ ‫پارامتر‬ ‫)‪(RTc‬‬ ‫کد‬ ‫نوع سنگ‬
‫‪55/54‬‬ ‫‪44/4‬‬ ‫‪6/5‬‬ ‫)‪UCS (MPa‬‬ ‫‪5‬‬ ‫‪C‬‬ ‫رس‪ ،‬مادستون‪ ،‬مارن‪ ،‬اسلیت‪ ،‬فیلیت‪ ،‬آرشیلیت‬
‫‪45/465‬‬ ‫‪135/66‬‬ ‫‪61/11‬‬ ‫‪Thrust‬‬ ‫‪3‬‬ ‫‪S‬‬ ‫ماسهسنگ‪ ،‬سیلتستون‪ ،‬کنگلومرا‪ ،‬کوارتسیت‬
‫)‪(KN/Cutter‬‬
‫‪3‬‬ ‫‪L‬‬ ‫الیسنگ‪ ،‬گچ‪ ،‬دولومیت‪ ،‬ماربل‬
‫‪2/5‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪RQDc‬‬
‫‪3‬‬ ‫‪K‬‬ ‫السنگ کارستی‬
‫‪3/2‬‬ ‫‪5‬‬ ‫‪1/4‬‬ ‫‪RPM‬‬
‫‪2‬‬ ‫‪M‬‬ ‫سنگهای دگرگونی مانند گنایس و شیست‬
‫‪2/5‬‬ ‫‪3‬‬ ‫‪2‬‬ ‫‪RTc‬‬
‫‪1‬‬ ‫‪G‬‬ ‫آذرین دانهدرشت مانند گرانیت و دیوریت‬
‫‪2‬‬ ‫‪V‬‬ ‫آتشفشانی مانند بازالت‪ ،‬توف و آندزیت‬

‫جدول‪ :6‬طبقه‌بندی ‪ RQD‬در پایگاه داده فرخ و همکاران [‪]13‬‬

‫‪RQD‬‬ ‫توضیحات‬ ‫کد‬ ‫‪CFF‬‬

‫‪01-011‬‬ ‫فراوانی کم‬ ‫‪S or 1‬‬ ‫‪ >8‬ناپیوستگی در هر متر‬
‫‪01-01‬‬ ‫فراوانی متوسط‬ ‫‪M or 2‬‬ ‫‪ 8-01‬ناپیوستگی در هر متر‬
‫‪>01‬‬ ‫فراوانی زیاد‬ ‫‪H or 3‬‬ ‫‪ 01-00‬ناپیوستگی در هر متر‬

‫شکل‪ :12‬نمودار گردباد تحلیل حساسیت مدل فرخ و همکاران‬

‫دیگر عوامل از مقدار حداقل تا حداکثر‪ ،‬تقریبا ثابت است‪.‬‬ ‫نمودار عنکبوتی تحلیل حساسیت مدل فرخ و همکاران(شکل‬
‫‪)13‬نشان می‌دهد‪ ،‬وقتی تغییرات شاخص‪‎‬ها کمتر از ‪25‬درصد‬
‫‪ -6‬نتيجه‌گیری‬ ‫باشد‪ ،‬شیب خط مقاومت فشاری تک‌محوره نسبت به دیگر‬
‫تحلیل حساسیت به‪‎‬منظور ارزیابی تاثیرپذیری شاخص‬ ‫شاخص‪‎‬ها بیشتر بوده و بیشترین تاثیر را بر نرخ نفوذ داشته‬
‫هدف از شاخص‪‎‬های ورودی در یک مدل ریاضی انجام می‌شود‪.‬‬ ‫است‪ .‬بعد از ‪25‬درصد‪ ،‬شیب خط مقاومت فشاری تک‌محوره‬
‫در این مطالعه‪ ،‬تحلیل حساسیت بر روی سه مدل اصلی‬ ‫کاهش می‪‎‬یابد که نشان‏دهنده کاهش تاثیر تغییرات مقاومت‬
‫‪ NTNU ،QTBM‬و ‪ CSM‬و دو مدل حسن‌پور و همکاران و‬ ‫فشاری تک‌محوره بر روی تغییرات نرخ نفوذ است‪ .‬شیب خط‬

‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬ ‫‪66‬‬

‫نشريه مهندسی منابع معدنی‬ ‫تحلیل حساسیت مدل‌های پیش‌بینی عملکرد ماشین حفر تمام مقطع در ‪...‬‬

‫شکل‪ :13‬نمودار گردباد تحلیل حساسیت مدل فرخ و همکاران‬

‫در حالت کلی از معیارهای توده‌سنگ‪ ،‬مقاومت فشاری‬ ‫ل الر‪-‬کالن انجام‬ ‫فرخ و همکاران براساس اطالعات پروژ ‌ه تون ‌‬
‫تک‌محوره‪ RQD ،‬و ‪ Q‬و از شاخص‪‎‬های ماشین نیروی پیشران‬ ‫شد‪ CSM ،NTNU،QTBM .‬و فرخ‪ ،‬مدل‌هایی با پایگاه داده‬
‫و دور دستگاه‪ ،‬بیشترین تاثیر را بر نرخ نفوذ در شرایط پروژه‬ ‫جامع هستند‪ .‬مدل حسن‌پور نیز جزیی از مدل‌های تجربی‬
‫الر‪-‬کالن دارند‪.‬‬ ‫بوده و پایگاه داده مدل شامل سه پروژه تونل‌سازی در ایران‬
‫و یک پروژه در ماناپوری است‪ .‬نتایج تحلیل حساسیت شامل‬
‫‪ -7‬مراجع‬ ‫دو نمودار گردبادی و عنکبوتی بود‪ .‬در نمودار گردبادی تاثیر‬
‫‪[1] Roxborough, F., and Phillips, H. (1975). “Rock‬‬ ‫پذیری نرخ نفوذ از میزان حداکثر و حداقل شاخص‪‎‬های ورودی‬
‫‪excavation by disc cutter”. International Journal of‬‬
‫‪Rock Mechanics and Mining Sciences & Geomechanics‬‬
‫هر یک از مدل‌ها و در نمودار عنکبوتی تاثیرپذیری نرخ نفوذ از‬
‫‪Abstracts, 12(12): 361-366.‬‬ ‫میزان تغییرات شاخص‪‎‬های ورودی مدل‌ها بررسی شد‪.‬‬
‫‪[2] Sanio, H. P. (1985). “Prediction of the performance of‬‬
‫نتایج به‌دست‪‎‬آمده از نمودار گردباد نشان داد که در مدل‬
‫‪disc cutters in anisotropic rock”. International Journal of‬‬ ‫‪ ،QTBM‬تغییرات شاخص‪ Q‬و نیروی پیشران‪ ،‬درمدل ‪NTNU‬‬
‫‪Rock Mechanics and Mining Sciences & Geomechanics‬‬
‫‪Abstracts, 22(3): 153-161.‬‬ ‫تغییرات دو شاخص ‪ RPM‬و نیروی پیشران‪ ،‬در مدل ‪ CSM‬و‬
‫فرخ‪ ،‬مقاومت فشاری تک‌محوره و در مدل حسن‌پور‪ ،‬تغییرات‬
‫‪[3] Sato, K. (1991). “Prediction of disc cutter performance‬‬
‫‪using a circular rock cutting rig”. In Proceedings of the‬‬ ‫‪ RQD‬و ‪ ، RPM‬بیشترین تاثیر را بر تغییرات نرخ نفوذ دارند‪.‬‬
‫‪First International symposium on Mine Mechanization,‬‬
‫‪Golden, Colorado, 1: pp. 1-31. ‬‬
‫نمودار عنکبوتی تحلیل حساسیت مدل‌ها نشان داد‪ ،‬وقتی‬
‫مقدار ‪ Q‬بین ‪ 0/02‬تا ‪ 0/1‬قرار دارد‪ ،‬تاثیرپذیری نرخ نفوذ از‬
‫‪[4] Snowdon, R. A., Ryley, M. D., and Temporal, J.‬‬
‫‪(1982). “A study of disc cutting in selected British‬‬
‫این شاخص نسبت به دیگر شاخص‌ها بسیار زیاد است‪ .‬در مدل‬
‫‪rocks”. International Journal of Rock Mechanics and‬‬ ‫‪ ،NTNU‬تخلخل باالی سنگ‌های مسیر تونل باعث شد تا‬
‫‪Mining Sciences & Geomechanics Abstracts, 19(3):‬‬
‫‪107-121. ‬‬ ‫مقدار شاخص خردشدگی معادل بیش ازحد مجاز(‪ )3/5‬مدل‬
‫شود‪ ،‬و زمانی‪‎‬که تغییرات شاخص خردشدگی کل‪ ،‬تخلخل و‬
‫‪[5] Boyd, R. J. (1986). “Hard rock continuous mining‬‬
‫‪machine: Mobile Miner MM-120”. In Rock Excavation‬‬ ‫‪ DRI‬بیش از ‪ 25‬درصد است‪ ،‬نرخ نفوذ ثابت محاسبه شود‪.‬‬
‫‪Engineering Seminar, ‬‬ ‫‪Department of Mining and‬‬ ‫در مدل‪ CSM‬و فرخ نیز زمانی‌که تغییرات مقاومت فشاری‬
‫‪Metallurgical Engineering, University of Queensland. ‬‬
‫تک‌محوره کمتر از ‪ 25‬درصد است‪ ،‬تاثیر این شاخص بر نرخ‬
‫‪[6] Ozdemir, L. (1977). “Development of Theoretical‬‬
‫نفوذ نسبت به دیگر شاخص‌ها‪ ،‬بیشتر از زمانی‌است‌که تغییرات‬
‫‪Equations for Predicting Tunnel Borability”. PhD‬‬
‫‪Thesis, Colorado School of mines, Golden, Colorado,‬‬ ‫شاخص‪‎‬ها بیشتر از ‪ 25‬درصد است‪.‬‬

‫‪67‬‬ ‫دوره پنجم‪ ،‬شماره ‪ ،4‬زمستان ‪1399‬‬

‫نشريه مهندسی منابع معدنی‬
[19] Fatemi, A., Ahmadi, M., and Rostami, J.
(2018). “Evaluation of TBM performance
prediction models and sensitivity analysis of input
parameters”. Bulletin of Engineering Geology and the
Environment, 77(2): 501-513.
[20] Ko, T. Y., Son, S. M., and Kim, T. K.
(2017). “Comparative study of TBM performance
prediction models”‫‏‬. Advances In Structural Engineering
and Mechanics (ASEM17), IIsan (Seoul), Korea, 17:
1-11.
‫"پیش‌بینی نرخ نفوذ ماشین حفر‬ ‫؛‬1395 ‫؛‬.‫ ا‬.‫ ا‬.‫ س‬،‫[فاطمی‬2[2[
‫تمام مقطع حفر تونل با استفاده از سیستم رده‌بندی‬
.‫تربیت مدرس‬ ‫ دانشگاه‬،‫رساله دکتری تخصصی‬ ."‫توده‌سنگ‬
[22] Barton, N. (1999). “TBM performance estimation in
rock using QTBM”. Tunnels Tunneling International,
31(9): 30-34.
[23] Ozdemir, L., Miller, R., and Wang, F. D. (1978).
Mechanical tunnel boring prediction and machine
design. Final project to NSF APR73-07776-A03,
Colorado School of Mines, Golden, Colorado. See also
URL http://ui.adsabs.harvard.edu.
[24] Rostami, J., and Ozdemir, L. (1993). “A New Model for
Performance Prediction of Hard Rock TBMs”. In Rapid
Excavation & Tunneling Conference, 793-809.
[25] Rostami, J. (1997). “Development of a force estimation
model for rock fragmentation with disc cutters through
theoretical modelling and physical measurement of
crushed zone pressure”. PhD thesis, Colorado School
of Mines.  of various models for estimation of penetration rate of
[26] Yagiz, S., Rostami, J., and Ozdemir, L. (2012).  “colorado
school of mines approach for predicting TBM
performance”.  In ISRM International Symposium,
EuROCK 2012, pp. 1-9.
[27] Cheema, S. N. (1999). “Development of a rock mass
boreability index for the performance of tunnel boring
machines”. PhD Thesis, Colorado School of Mine.  faulted rock”. CRC Press, 1: pp. 39-99.
[28] Yagiz, S. (2002).  “Development of rock fracture
and brittleness indices to quantify the effects of rock
mass features and toughness in the CSM Model basic
penetration for hard rock tunneling machines”. PhD
Thesis, Colorado School of Mine.
1
Scanline
2
(kN/cutter/mm/rev)
1399 ‫ زمستان‬،4 ‫ شماره‬،‫دوره پنجم‬
‫ مسعود مزرعه لی‬،‫ شکراله زارع‬،‫محسن سرداری‬
pp. 14-87. 
[7] Grima, M., Alvarez, M., Bruines, P. A., and Verhoef, P.
(2000). “Modeling tunnel boring machine performance
by neuro-fuzzy methods”. Tunnelling and Underground
Space Technology, 15(3): 259-269.
[8] Armaghan, D. J., Mohamad, E. T., Narayansamy, M. S.,
Narita, N., and Yagiz, S. (2017). “Development of hybrid
intelligent models for predicting TBM penetration rate
in hard rock condition”. Tunnelling and Underground
Space Technology, 63: 29-43.
[9] Mikaeil, R., Naghadehi, M., and Sereshki, F.
(2009). “Multifactorial fuzzy approach to the
penetrability classification of TBM in hard rock
conditions”. Tunnelling and Underground Space
Technology, 24(5): 500-505.
[10] Blindheim, O. T. (1979). “Boreability predictions for
tunneling”. Ph.D Thesis, Department of Geological
Engineering, The Norwegian Institute of Technology.
[11] Ramezanzadeh, A. (2005).  “Perforamnce analysis
and development of new models for performance
prediction of hard rock TBM in rock mass”. PhD Thesis,
INSA, Lyon.
[12] Hassanpour, J., Rostami, J., and Zhao, J. (2011). “A
new hard rock TBM performance prediction model for
project planning”. Tunnelling and Undergound Space
Technology, 26(5): 595-603.
[13] Farrokh, E., Rostami, J., and Laughton, C. (2012).  “Study
hard rock TBMs”. Tunneling and. Underground Spaces
Technology, 30: 110-123.
[14] Palmström,A. (1995).  “RMi-Arock mass characterization
system for rock engineering purposes”. chapter 7, PhD
thesis, Oslo University, Norway. 
[15] Barton, N. (2000). “TBM tunnelling in jointed and
[16] Bieniawski, Z. T. (2006). “Rock Mass Excavability
(RME) index”. In Proceedings of the ITA World
Tunnelling Congress, Seoul, 1: pp. 1118-1130.
[17] Zoorabadi, M., S., Saydam, S., and Hebblewhite, B.
(2013). “Parameter Study on Prediction Methods for
TBM Penetration Rate”. Geotechnical and Geological
Engineering, 31(2):783-791.
[18] Macias, F. (2016).  “Hard rock tunnel boring:
performance predictions and cutter life assessments”.
PhD Thesis, Faculty of Engineering Science and
Technology, Norwegian University of Science
and Technology.
68
 Imam Khomeini International University ‫نشريه مهندسی منابع معدنی‬
Vol. 5, No. 2, Summer 2021, pp. 15-17 Journal of Mineral Resources Engineering
(JMRE)

DOI: 10.30479/jmre.2020.11452.1314 Research Paper

Sensitivity Analysis of Tbm Performance Prediction Models in Lar-Kalan

Water Conveyance Tunnel

Sardari M.1, Zare Sh.2*, Mazraeli M.3

1- M.Sc, Dept. of Mining, Petroleum and Geophysics Engineering, Shahrood University of Technology, Shahrood,
Iran
msardari@shahroodut.ac.ir
2- Associate Professor, Dept. of Mining, Petroleum and Geophysics Engineering, Shahrood University of
Technology, Shahrood, Iran
zare@shahroodut.ac.ir
3- Ph.D Student, Dept. of Mining, Petroleum and Geophysics Engineering, Shahrood University of Technology,
Shahrood, Iran
mazraehli.m@shahroodut.ac.ir

(Received: 27 Aug. 2019, Accepted: 02 Mar. 2020)

Abstract: Evaluation of TBM performance is very important in estimating the cost and time of a tunnel
project. Sensitivity analysis of a model is performed to examine the influence of the input variables on the
output variables. In this study, results variability of main models of TBM penetration rate (PR) prediction
have been investigated based on the geological and field performance data at Lar-Kalan water conveyance
tunnel. The overall results indicate that increase of thrust force, CLI, RPM, porosity, and fracturing factor
and the decrease of Q value, quartz content, unconfined compressive strength, tensile strength, induced
biaxial stress on tunnel face, and RQD increases the PR. Sensitivity analysis has been evaluated on the basis
of the two Tornado and Spider charts for different models, and the effect of the input parameters variation
on the variation of the PR have been investigated and the parameters that have the greatest influence on
the PR were specified. Among the geological conditions, the variation of the Q value, porosity, UCS, RQD
and among the machine parameters, variation of the thrust force and RPM have the greatest impact on the
variation of the penetration rate in the project.
Keywords: TBM, Sensitivity analysis, Tornado chart, Spider chart.
INTRODUCTION
TBM performance might be evaluated using different prediction models which have their own specific
characteristics and have been presented based on different environmental and service parameters [1-5].
Uncertainties due to geomechanical properties of rocks intersecting tunnel trajectory must be considered
in design stage. Penetration rate (PR) is one of the most important parameters affected by rock properties
variability in mechanized tunneling. This issue necessitates application of sensitivity analysis to capture the

69 15 1399 ‫ زمستان‬،4 ‫ شماره‬،‫دوره پنجم‬

 Journal of Mineral Resources Engineering (JMRE)

effect of variation in input model parameters on its output.

METHODS
In this paper, sensitivity of different well-established penetration rate models such as NTNU, QTBM
and CSM were analyzed using tornado and spider charts. The research procedure might be summarized as
follows:
1. According to data of 2nd lot of Lar-Kalan water conveyance tunnel, proper prediction models were
considered for sensitivity analysis.
2. Penetration rates were obtained for different geotechnical units of the tunnel using aforementioned
methods.
3. Sensitivity of the methods was checked using tornado and spider charts on variation range of their
input parameters.
FINDINGS
As it can be seen in Figures 1, 2 and 3, QTBM model is mainly affected by Q number of rock unit while
NTNU and CSM models results are mostly governed by cutter head torque (RPM) and uniaxial compres-
sive strength of rock, respectively.

Figure 1. Tornado chart of QTBM model sensitivity analysis

Figure 2. Tornado chart of NTNU model sensitivity analysis

1399 ‫ زمستان‬،4 ‫ شماره‬،‫دوره پنجم‬ 16 70

 Journal of Mineral Resources Engineering (JMRE)

Figure 3. Spider chart of CSM model sensitivity analysis

CONCLUSIONS
The followings are the main remarks which are obtained during the research:
• Average advance rates calculated by QTBM and CSM models were closer to the average value of the
actual advance rates.
• Use of sensitivity analysis methods in combination with TBM prediction models helps to evaluate the
most influencing parameters on TBM performance.
• QTBM model is mainly affected by Q number of rock unit while NTNU and CSM models results are
mostly governed by cutter head torque (RPM) and uniaxial compressive strength of rock, respectively.
• In contrast to QTBM and CSM models, operational parameters have more influences on predictions
made by using NTNU model.
REFERENCES
[1] Roxborough, F., and Phillips H. (1975). “Rock excavation by disc cutter”. International Journal of Rock Mechanics and
Mining Sciences and Geomechanics Abstracts, 12: 361-366.

[2] Sanio, H. P. (1985). “Prediction of the performance of disc cutters in anisotropic rock”. International Journal of Rock
Mechanics and Mining Sciences and Geomechanics Abstracts, 22(3): 153-161.

[3] Sato, K. (1991). “Prediction of disc cutter performance using a circular rock cutting rig”. In the first International
symposium on Mine Mechanization, Golden, Colorado.

[4] Snowdon, R. A., Ryley, M. D., and Temporal, J. (1982). “A study of disc cutting in selected British rocks”. International
Journal of Rock Mechanics and Mining Sciences and Geomechanics Abstracts, 19(3): 107-121.

[5] Ozdemir, L. (1977). “Development of Theoretical Equations for Predicting Tunnel Borability”. Colorado School of
mines, Golden, Colorado.

71 17 1399 ‫ زمستان‬،4 ‫ شماره‬،‫دوره پنجم‬