Use este identificador para citar ou linkar para este item: http://repositorio.ufc.br/handle/riufc/53657
Registro completo de metadados
Campo DCValorIdioma
dc.contributor.authorAfradi, Alireza-
dc.contributor.authorEbrahimabadi, Arash-
dc.contributor.authorHallajian, Tahereh-
dc.date.accessioned2020-08-26T10:56:34Z-
dc.date.available2020-08-26T10:56:34Z-
dc.date.issued2020-
dc.identifier.citationAFRADI, Alireza; EBRAHIMABADI, Arash; HALLAJIAN, Tahereh. Previsão da taxa de penetração TBM utilizando máquina de vetor de suporte. Geosaberes, Fortaleza, v. 11, p. 467-479, jul. 2020.pt_BR
dc.identifier.issn2178-0463-
dc.identifier.urihttp://www.repositorio.ufc.br/handle/riufc/53657-
dc.description.abstractOne of the most important issues in mechanized excavating is to predict the TBM penetration rate. Understanding the factors influencing the rate of penetration is important, which allows for a more accurate estimation of the stopping and excavating times and operating costs. In this study, Input and output parameters including Uniaxial Compressive Strength (UCS), Brazilian Tensile Strength (BTS), Peak Slope Index (PSI), Distance between Planes of Weakness (DPW), Alpha angle and Rate of Penetration (ROP) (m/hr) in the Queens Water Tunnel using support vector machine .Results showed that prediction of penetration rate for Support Vector Machine (SVM) method is R2 = 0.9678 and RMSE = 0.064778, According to the results, Support Vector Machine (SVM) is effective and has high accuracy.pt_BR
dc.language.isopt_BRpt_BR
dc.publisherGeosaberespt_BR
dc.rightsAcesso Abertopt_BR
dc.subjectTBMpt_BR
dc.subjectTaxa de penetraçãopt_BR
dc.subjectMáquina de vetores de suporte (SVM)pt_BR
dc.titlePrevisão da taxa de penetração TBM utilizando máquina de vetor de suportept_BR
dc.typeArtigo de Periódicopt_BR
dc.description.abstract-ptbrUma das questões mais importantes na escavação mecanizada é prever a taxa de penetração do TBM. É importante compreender os fatores que influenciam a taxa de penetração, o que permite uma estimativa mais precisa dos tempos de parada e escavação e dos custos operacionais. Neste estudo, os parâmetros de entrada e saída incluem resistência à compressão uniaxial (UCS), resistência à tração brasileira (BTS), índice de inclinação de pico (PSI), distância entre planos de fraqueza (DPW), ângulo alfa e taxa de penetração (ROP) (m / hr) no túnel de água de Queens usando máquina de vetor de suporte. Os resultados mostraram que a previsão da taxa de penetração para o método SVM (Support Vector Machine) é R2 = 0,9678 e RMSE = 0,064778. De acordo com os resultados, o SVM (Support Vector Machine) é eficaz e tem alta precisão.pt_BR
dc.title.enPrediction of TBM penetration rate using support vector machinept_BR
Aparece nas coleções:DGR - Artigos publicados em revista científica

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
2020_art_aafradi.pdf943,86 kBAdobe PDFVisualizar/Abrir
Mostrar registro simples do item Visualizar estatísticas


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.