Publication

A new model for TBM performance prediction in blocky rock conditions

Jian Zhao, Andrea Delisio
2014
Journal Articles

Résumé

The term "blocky rock conditions" is generally associated with face instabilities in blocky/jointed rock masses. These events are generally promoted by unfavorable rock mass structural conditions, in terms of joint frequency and orientation, and acting stresses. As a result, rock blocks are formed and then detach from the excavation face which becomes "blocky", with a markedly irregular and uneven profile. This condition may have a paramount effect on TBM tunneling, leading to a high maintenance frequency and a low TBM advancement rate. Based on the TBM performance data recorded during excavation of tunnels in blocky rock conditions, a TBM performance prediction model has been developed. The model is based on the Field Penetration Index for blocky rock conditions, FPIblocky, which was previously introduced to analyze the TBM performance in blocky grounds at the Lotschberg Base Tunnel. Through a multivariate regression analysis, a new expression has been introduced to predict the FPIblocky based on the volumetric joint count (J(v)) and the intact rock uniaxial compressive strength (UCS). An attempt has also been made to quantify the downtimes that may occur in blocky rock conditions and to estimate a reliable value of TBM daily advance. (C) 2014 Elsevier Ltd. All rights reserved.

Source officielle

https://infoscience.epfl.ch/entities/publication/720a3a05-e3b9-4b65-ab3f-511d1fbf558e

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Jian Zhao, Andrea Delisio
2014
Journal Articles

Résumé

Source officielle

https://infoscience.epfl.ch/entities/publication/720a3a05-e3b9-4b65-ab3f-511d1fbf558e

À propos de ce résultat

Concepts associés (20)

Régression (statistiques)

En mathématiques, la régression recouvre plusieurs méthodes d’analyse statistique permettant d’approcher une variable à partir d’autres qui lui sont corrélées. Par extension, le terme est aussi utilisé pour certaines méthodes d’ajustement de courbe. En apprentissage automatique, on distingue les problèmes de régression des problèmes de classification. Ainsi, on considère que les problèmes de prédiction d'une variable quantitative sont des problèmes de régression tandis que les problèmes de prédiction d'une variable qualitative sont des problèmes de classification.

Régression multivariée par spline adaptative

La Régression multivariée par spline adaptative (en anglais MARS pour ) est une méthode statistique ; plus précisément, c'est une forme de modèle de régression présentée pour la première fois par Jerome H. Friedman et Bernard Silverman en 1991. C'est une technique de régression non paramétrique pouvant être vue comme une extension des régressions linéaires qui modélisent automatiquement des interactions et des non-linéarités. Le terme MARS est une marque de Salford Systems.

Régression linéaire

En statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.

Afficher plus

Publications associées (29)

Random matrix methods for high-dimensional machine learning models

Antoine Philippe Michel Bodin

In the rapidly evolving landscape of machine learning research, neural networks stand out with their ever-expanding number of parameters and reliance on increasingly large datasets. The financial cost and computational resources required for the training p ...

EPFL2024

On distributional autoregression and iterated transportation

Victor Panaretos, Laya Ghodrati

We consider the problem of defining and fitting models of autoregressive time series of probability distributions on a compact interval of Double-struck capital R. An order-1 autoregressive model in this context is to be understood as a Markov chain, where ...

Wiley2024

Roles of Clinical Features and Chest CT in Predicting the Outcomes of Hospitalized Patients with COVID-19 Developing AKI

Ali Falsafi, Shekoofeh Yaghmaei

This research aimed to evaluate the clinical features and computed tomography (CT) scans associated with poor outcomes in COVID-19 patients with acute kidney injury (AKI). A total of 351 COVID-19 patients (100 AKI, 251 non-AKI) hospitalized at Imam Hossein ...

IRANIAN SOC NEPHROLGY2023

Afficher plus