CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

TBM Advance Rate Prediction: An Artificial Neural Network Approach

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۶۶۶ | نظرات: ۰
سرفصل ارائه مقاله: خاک
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: NCCE03_172
زبان مقاله: انگلیسی
حجم فایل: ۴۶۶.۲۸ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله TBM Advance Rate Prediction: An Artificial Neural Network Approach

   H. Mohammadi - MSc Student, Mining Engineering Department, Shahid Bahonar University of Kerman, Kerman, Iran
   M. A. Ebrahimi Farsangi - Assistant Professor of Mining Engineering, Shahid Bahonar University of Kerman, Kerman, Iran
   R. Rahmannejad - Assistant Professor of Mining Engineering, Shahid Bahonar University of Kerman, Kerman, Iran.
   H. Nezamabadi Poor - Assistant Professor of Electrical Engineering, Shahid Bahonar University of Kerman, Kerman, Iran

چکیده مقاله:

In tunneling, selection of a Tunnel Boring Machine (TBM) is based on the interaction between the rock characteristics and the features of the machine, which is being selected. TBM Advance Rate (TAR) against a particular rock as an economic factor plays a very important role on the selection of a TBM machine. Many factors relevant to the properties of rock, technical specification of TBM and working condition affect on the TBM advance rate. Many work carried out to predict TAR. In this paper an Artificial Neural network (ANN) modeling was adopted. The network used was a RBF, which showed promising results.

کلیدواژه‌ها:

TBM, Advance Rate, ANN, RBF

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCCE03-NCCE03_172.html
کد COI مقاله: NCCE03_172

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
H. Mohammadi, ; M. A. Ebrahimi Farsangi; R. Rahmannejad & H. Nezamabadi Poor, ۱۳۸۶, TBM Advance Rate Prediction: An Artificial Neural Network Approach, سومین کنگره ملی مهندسی عمران, تبریز, دانشگاه تبریز, دانشکده فنی - مهندسی عمران, https://www.civilica.com/Paper-NCCE03-NCCE03_172.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (H. Mohammadi, ; M. A. Ebrahimi Farsangi; R. Rahmannejad & H. Nezamabadi Poor, ۱۳۸۶)
برای بار دوم به بعد: (H. Mohammadi; M. A. Ebrahimi Farsangi; R. Rahmannejad & H. Nezamabadi Poor, ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :

  • Kovari, K., Fechtig, R.and Amstad, Ch., *Experience with Large Diameter ...
  • Barton, N., ،0TBM Tunneling in Jointed and Faulted Rock. Balkema, ...
  • Barla, G. and Barla, M., «Tunneling in Difficult Conditions'. Int. ...
  • Barla, G., ،SLessons Learnt from the Excavation of a Large ...
  • Shang, Y., Xue, J., Wang, S., Yang, Z. and Yang, ...
  • Benardos, A. G. and Kaliampakos, D. C., *Modelling TBM Performance ...
  • Neaupane, K. M. and Adhikari, N.R., ،Prediction of Tunne ling-induc ...
  • Afantitis, A., Melagraki, G., Makridima, K., Alexandridis, A., Sarimveis, H., ...
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۰۵۵۹
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.