پیوند ها
عبدالرضا یزدانی چمزینی - کارشناس ارشد مهندسی معدن دانشگاه تربیت مدرس
سیدمحمد هاشمی ریزی - کارشناسی ارشد مهندسیمعدن دانشگاه تربیت مدرس
محمد جوادی (شناسه پژوهشگر - Researcher ID: ۲۸۲۹)
کارشناسی ارشد مهندسی معدن
آزیتا سعیدی - دانشجوی کارشناسی ارشد مهندسی معدن
ماشینهای حفار تمام مقطع از مهمترین ماشین های حفاری درتونلها و فضاهای زیرزمینی به شمار می رود به دلیل قیمت بالای ماشین ارزیابی عملکرد دراین روش حفاری از اهمیت ویژه ای برخوردار است بنابراین مهمترین شاخص ارزیابی عملکرد ماشین حفر تونل نرخ نفوذ این دستگاه می باشد روشهای متنوعی برای پیش بینی نرخ نفوذ وجود دارد روشهای رگرسیون خطی چند متغیره شبکه عصبی و سیستم استنتاج تطبیقی فازی عصبی از روش هایی با کارایی بالا در مدلسازی و تشخیص الگو در داده ها می باشند دراین تحقیق با بکارگیری روش رگرسیون خطی شبکه عصبی و سیستم استنتاج تطبیقی فازی عصبی به پیش بینی نرخ نفوذ ماشین حفر تونل برای تونل انتقال آب کوئینز در نیویورک پرداخته است.
ماشین حفر تونل - نرخ نفوذ - رگرسیون خطی چندمتغیره - شبکه عصبی - فازی عصبی
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:
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: (یزدانی چمزینی, عبدالرضا؛ سیدمحمد هاشمی ریزی؛ محمد جوادی و آزیتا سعیدی، ۱۳۹۰)
برای بار دوم به بعد: (یزدانی چمزینی؛ هاشمی ریزی؛ جوادی و سعیدی، ۱۳۹۰)
مبلغ واقعی 7,920 تومان 10% تخفیف مبلغ قابل پرداخت 7,128 تومان