Previsão da taxa de penetração TBM utilizando máquina de vetor de suporte

Afradi, Alireza; Ebrahimabadi, Arash; Hallajian, Tahereh

Por favor, use este identificador para citar o enlazar este ítem: http://repositorio.ufc.br/handle/riufc/53657

Registro completo de metadatos

Campo DC	Valor	Lengua/Idioma
dc.contributor.author	Afradi, Alireza	-
dc.contributor.author	Ebrahimabadi, Arash	-
dc.contributor.author	Hallajian, Tahereh	-
dc.date.accessioned	2020-08-26T10:56:34Z	-
dc.date.available	2020-08-26T10:56:34Z	-
dc.date.issued	2020	-
dc.identifier.citation	AFRADI, 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.issn	2178-0463	-
dc.identifier.uri	http://www.repositorio.ufc.br/handle/riufc/53657	-
dc.description.abstract	One 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.iso	pt_BR	pt_BR
dc.publisher	Geosaberes	pt_BR
dc.rights	Acesso Aberto	pt_BR
dc.subject	TBM	pt_BR
dc.subject	Taxa de penetração	pt_BR
dc.subject	Máquina de vetores de suporte (SVM)	pt_BR
dc.title	Previsão da taxa de penetração TBM utilizando máquina de vetor de suporte	pt_BR
dc.type	Artigo de Periódico	pt_BR
dc.description.abstract-ptbr	Uma 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.en	Prediction of TBM penetration rate using support vector machine	pt_BR
Aparece en las colecciones:	DGR - Artigos publicados em revista científica

Ficheros en este ítem:

Fichero	Descripción	Tamaño	Formato
2020_art_aafradi.pdf		943,86 kB	Adobe PDF	Visualizar/Abrir

Mostrar el registro sencillo del ítem