TBM(Tunnel Boring Machine) 굴진율을 예측하는 일은 터널 공사의 계획 및 관리에서 매우 중요합니다. 경험적 예측모델은 과거 프로젝트에서 얻은 데이터와 경험을 바탕으로 TBM의 굴진율을 예측하는 방법을 제공합니다. 대표적인 경험적 예측모델은 다음과 같습니다.
-
NTNU 모델: 노르웨이 과학기술대학교(NTNU)에서 개발된 이 모델은 암석의 강도, 절리(암석의 균열), TBM 기계의 특성 등 여러 요소를 고려하여 굴진율을 예측합니다. 이 모델은 많은 프로젝트에 적용되어 널리 사용됩니다.
-
Q-시스템: Q-시스템은 암반 분류 방법 중 하나로, 암반의 품질을 평가하여 TBM 굴진율에 영향을 미칠 수 있는 요소를 예측합니다. Q 값이 높을수록 암반의 품질이 좋고, TBM 굴진율이 높을 것으로 예상됩니다.
-
RMR 시스템(Rock Mass Rating): 이 시스템은 암석의 물리적 및 역학적 특성을 평가하여 암반의 등급을 매깁니다. RMR 값은 TBM 굴진율의 예측에도 중요한 요소로 활용됩니다.
-
Cutter Wear Index(CWI): 커터 마모 지수는 TBM의 드릴링 헤드에 장착된 커터의 마모 상태를 나타내며, 굴진율 예측에 중요한 요소입니다. 커터의 상태가 좋지 않으면 굴진율이 떨어질 가능성이 있습니다.
이러한 경험적 예측모델은 TBM 굴진율을 사전에 예측하여 프로젝트의 시간 및 비용 계획에 도움을 줍니다. 하지만 실제 조건과 다를 수 있으므로, 여러 데이터와 전문가의 의견을 종합하여 활용하는 것이 중요합니다.
(연예인)
팬들 뚫어져라 쳐다보는 에스파 윈터
(11)
