یکی از فعالیت های مهم تونلسازی مکانیزه در اجرای خطوط مترو روش عبور از ایستگاه ساخته شده است. در این مقاله با توجه به مشکلات و سختی های استفاده از سازه تکیه گاهی در عبور ماشین TBM از ایستگاه ساخته شده و شروع مجدد حفاری، روشی مبتنی بر استفاده از رینگ های با قطعات بتنی پیش ساخته مورد بررسی قرارگرفته است. در این روش به منظور ایجاد تکیه گاهی جهت اعمال نیروی پیشران ماشین از الگویی متفاوت از نصب رینگ های ناقص استفاده شده است به نحوی که علاوه بر بهره بردن از مزایای استفاده از تکیه گاه سگمنتی به گونه ای اجرا شود که رینگ کاملی در فضای باز اجرا نشود. الگوی پیشنهادی به گونه ای است که از سه عدد قطعه بتنی پیش ساخته کف تا فاصله حدود 5 تا 6 رینگ از سینه کار استفاده شود تا به این صورت دستگاه حفار از طول ایستگاه عبور کند. پس از آن، در چند رینگ تعداد قطعات بتنی پیش ساخته به 4 و سپس 5 قطعه بتنی پیش ساخته در هر رینگ افزایش می یابد تا اینکه کله حفار به محل حفاری می رسد و از این مرحله به بعد حفاری تونل با نصب رینگ های ناقص پنج تایی و شش تایی ادامه داشته تا جایی که دستگاه بطور کامل داخل تونل قرارگیرد بطوریکه اولین رینگ کامل در ابتدای دهانه تونل نصب شود. بررسی ها نشان می دهد که با استفاده از 5 و 6 قطعه بتنی پیش ساخته می توان حفاری را شروع کرد اما تا حدودی 6 قطعه بتنی پیش ساخته نسبت به 5 قطعه بتنی پیش ساخته برتری دارد. الگوی پیشنهادی در ایستگاه هایی از خط 6 مترو تهران مورد ارزیابی قرار گرفته و نتایج نشان می دهد که علاوه بر کارآمد بودن این روش انحرافی بیش از حد مجاز اتفاق نیافتاده است. بنابراین روش پیشنهادی را می توان با اطمینان مورد استفاده قرار داد.

در این مقاله ابتدا روش های پیش بینی ضریب بهره وری CSM و NTH به عنوان سردسته های روش های تجربی و تئوری تجربی مرور شده است.سپس ضمن بررسی ساختار بانک اطلاعاتی استفاده شده جهت پیش بینی ضریب بهره وری، پارامترهای موثر بر ضریب بهره وری معرفی شده است با استفاده از تحلیل آماری دو متغیره و چند متغیره معادلاتی برای تعیین ضریب بهره وری ارایه و بر روی نتایج حاصل از این معادلات بحث شده است. در ادامه با بهره گیری از شبکه عصبی، مناسب ترین شبکه برای تخمین ضریب بهره وری تعیین و توانایی شبکه در پیش بینی ضریب بهره وری با مقایسه آن با تحلیل آماری چند متغیره و مقادیر واقعی ضریب بهره وری، مورد بررسی قرار گرفته است. پیش بینی ضریب بهره وری TBM تونل گاوشان با استفاده از شبکه عصبی، بخش پایانی این تحقیق را تشکیل می دهد.

از جمله مهم ترین عوامل تاثیرگذار در نشست توده های خاکی ناهمگن، محاسبه فشار نگه دارنده جبهه کار تونل است. در نوشتار حاضر، ابتدا فشار سینه کار ماشین حفاری TBM با روش تجربی و تحلیلی محاسبه و سپس با نرم افزار تفاضل محدود Flac3D، مدل سازی سه بعدی تونل انجام شده است. در ادامه، با معرفی پارامتر فشار مجاز، مقدار فشار بهینه جبهه کار تونل به روش عددی محاسبه و درنهایت، نتایج روش های مذکور با مقادیر واقعی پارامترهای حفاری پروژه خط 2 مترو مشهد مقایسه شده اند. بر این اساس، نتایج روش تجربی با خطای زیادی همراه بوده است، اما روش تحلیلی مقدار فشار را با دقت بیشتری محاسبه کرده است. روش عددی، قابلیت بیشتری جهت تخمین فشار پایداری سینه کار نسبت به 2 روش قبلی داشته است، که در صورت استفاده از مدل های رفتاری غیرخطی کشسان خمیری، امکان محاسبه دقیق تر فشار جبهه کار ممکن است.

آگاهی از الگوهای توزیع جریان هوا در داخل ماشین حفاری تمام مقطع تونل می تواند یک محیط ایمن برای پرسنل و ماشین آلات ایجاد کند. کمیت و کیفیت جریان هوا در فضاهای زیرزمینی بسیار مهم است به طوری که مقدار هوا در تهویه فضاهای زیرزمینی باید برای ترقیق گازها و گرد و غبار کافی باشد و دمای هوا را کنترل نماید. در این مقاله به منظور بررسی الگوهای توزیع جریان هوا در قسمت قاب اصلی ماشین حفاری تمام مقطعS124 شرکت هرنکنشت از دینامیک سیالات محاسباتی و مطالعات میدانی استفاده شده است. به منظور بررسی استقلال شبکه، چهار مقدار مختلف از ابعاد شبکه اجرا شده و نتایج آن برای اطمینان از یک راه حل مستقل با سرعت محلی در یک نقطه مقایسه شده است. مدلسازی سیالاتی به روش حجم محدود مبتنی بر المان انجام شده است. نتایج نشان می دهد جریان هوای کافی در 2/89 درصد از فضای ماشین وجود ندارد و از قسمت پشت اتاق کنترل تا انتهای قاب اصلی ماشین، منطقه مرده وجود دارد. این منطقه می تواند محل تجمع گازهای خطرناک، گرد و غبار و سایر آلاینده ها باشد. یکی از راهکارها برای کاهش مناطق مرده، افزایش دبی هوای ورودی است. افزایش میزان سرعت ورودی هوا و مطالعه توزیع جریان هوا انجام شد. مطالعات نشان داد در صورت استفاده از بیشینه ظرفیت جت فن ها، امکان کاهش مناطق مرده و ایجاد مناطق امن به صورت قابل قبولی وجود ندارد. لذا استفاده از جت فن با سرعت های بیشتر کمکی به بهبود توزیع جریان هوا نکرده و تنها هزینه های انرژی را افزایش خواهد داد.

تونل قمرود به طول کلی 35.7 کیلومتر از جمله طرح های بزرگ ملی است. برای حفاری قطعه 1 آن به طول 311+11 کیلومتر دستگاه TBM از نوع EPB انتخاب شده است. برای پیش بینی نرخ پیشروی و به تبع آن زمان تکمیل حفاری و هزینه ها، تخمین ضریب بهره وری بسیار حائز اهمیت است. ضریب بهره وری به صورت زمان خالص حفاری به کل زمان در دسترس در هر واحد زمین شناسی تعریف می شود. این ضریب تابعی از شرایط زمین، نوع ماشین، تاسیسات پشتیبانی، مدیریت پروژه و در نهایت تجربه کارکنان است. از مهمترین روش هایی که در جهان به منظور پیش بینی ضریب بهره وری استفاده می شود روش هایNTH  و CSM است. در این مقاله مدلی برای رسیدن به ضرایب بهره وری که به ضرایب بهره وری ایجاد شده در عمل نزدیک تر باشند ارایه شده است. سپس با استفاده از این 3 روش ضرایب بهره وری در واحدهای مختلف زمین شناسی مسیر تونل پیش بینی شده و با داده های واقعی در 4570 متر که حفاری آن انجام شده مورد مقایسه قرار گرفته و زمان اتمام حفاری تونل نیز پیش بینی شده است. هدف از این مقاله ارایه مدلی برای تخمین دقیق تر ضرایب بهره وری و در نتیجه تصمیم گیری صحیح تر در مورد زمانبندی پروژه و پیش بینی درآمد و هزینه در پروژه های حفاری با TBM است.

در این مقاله ابتدا برخی از روش های پیش بینی نرخ نفوذ TBM مرور شده و سپس نرخ نفوذ با منظور کردن پارامترهای نوع سنگ، درصد کوارتز، مقاومت فشاری تک محوره، قطر دیسک، نیروی نفوذ هر دیسک و RQD با استفاده از شبکه عصبی پیش بینی شده است. با حذف RQD و درصد کوارتز از پارامترهای ورودی، حساسیت شبکه نسبت به حذف این پارامترها مورد بررسی قرار گرفته است. مقایسه نتایج شبکه عصبی با مدل تجربی گراهام، توانایی شبکه عصبی در پیش بینی نرخ نفوذ و پیش بینی نرخ نفوذ TBM  تونل گاوشان با استفاده از شبکه عصبی و مدل گراهام بخش های پایانی این تحقیق را تشکیل می دهد.