امروزه ماشین‌‌های حفرتونل (TBM) به طور گسترده در پروژه‌‌های عمرانی و حفر تونل‌‌های شهریاستفاده می‌‌شوند. این ماشین‌‌ها براساس نوع سیستم نگهداری سینه‌‌کار، سیستم‌‌های حمل مواد حفر‌‌شده و حالت‌‌های کاریبه انواع مختلفی تقسیم‌‌بندی می‌‌شوند. یکی از پر استفاده‌‌ترین TBMها در زمین‌‌های نرم، TBMهای نوع تعادل فشار زمین (EPB) می‌‌باشد. به دلیل افزایش قیمت و هزینه‌‌هایبالای حفاری، ارزیابی عملکرد این ماشین‌‌ها از اهمیت ویژه‌‌ای برخوردار است. در این مطالعه به منظوربررسی و ارزیابی عملکرد ماشین حفار از پارامتر نرخ پیشروی استفاده شده است. همچنین برای بررسی و ارزیابی پارامترهای مورد نیاز جهت بررسی عملکرد ماشین حفار EPBدر این پژوهش، از پایگاه داده، شامل اطلاعات حفاری پروژه خط دو مترو اصفهان که بااستفاده از ماشین حفار EPB حفاری شده‌‌اند،استفاده شده است. براساس این مجموعه پایگاه داده و نتیجه حاصل از بررسی مطالعات جمع‌‌آوری شده،مهم‌‌ترین پارامترهای تأثیرگذار که در طی فرآیند حفاری بر نرخ پیشروی شامل سرعتچرخش کله‌‌حفار (CR)، گشتاور کله‌‌حفار(CT)، نیروی پیشران(TF)، میانگین فشار سینه‌‌کار (EPB_avg)،سرعت چرخش حامل مارپیچی (SR)، نرخ تزریق فوم (FIR) می‌‌باشند، که برای ساخت و توسعه مدل‌‌های هوشمندبه کار گرفته شدند. لذا به منظور پیش‌‌بینی میزان نرخ پیشرویمدل‌‌ها با تکیه بر تکنیک‌‌های داده‌‌کاویشامل الگوریتم درخت طبقه‌‌بندیو رگرسیونی (CART)، ماشین بردار پشتیبان (SVM)، شبکه عصبی مصنوعی (ANN) و جنگل تصادفی(RF) به منظور پیش‌‌بینی میزان نرخ پیشروی (AR) توسعه یافته‌‌اند.لازم به ذکر است پایگاه داده مورد استفاده در این پژوهش شامل 250 مورد داده می‌‌باشدکه به صورت تصادفی به دو مجموعه داده آموزش و مجموعه داده آزمون تقسیم‌‌بندی شدندکه مجموعه داده آموزش (شامل 90 درصد کل داده‌‌ها یعنی 225 مورد) برای ساخت و توسعهمدل‌‌ها به کار برده می‌‌شود و مجموعه داده آزمون (شامل 10 درصد کل داده‌‌ها یعنی 25مورد) فقط برای ارزیابی دقت مدل‌‌ها مورد استفاده قرار می‌‌گیرد. لذا با تکیه برتکنیک‌‌های داده‌‌کاوی با استفاده از مجموعه داده آموزش، 4 مدل هوشمند برای پیش‌‌بینینرخ پیشروی ماشین حفار EPB توسعه داده شدند. سپس به منظور بررسی دقیق‌‌ترو ارزیابی بهتر مدل‌‌های ارائه شده جهت پیش‌‌بینی نرخ پیشروی شاخص‌‌های آماری ضریب تعیین (R²)، مقادیر آماری جذر میانگینمربعات خطای نرمال شده (NRMSE) و واریانس خطا(VAF) برای هر مدل بااستفاده از مجموعه داده آزمون محاسبه شدند. سپسمقایسه نتایج شاخص‌‌هایR²، VAFوNRMSEنشان دادند که مدل توسعه یافته به منظور پیش‌‌بینی نرخ پیشروی براساس الگوریتم LS-SVM نسبت به سایرمدل‌‌ها از دقت بیشتر و خطای کمتری برخوردار است که مقادیر محاسبه شده R²، VAFوNRMSE به ترتیب برابربا 898/0، 028/89 و 063/0 است. در نهایتمقایسه بین مقادیر پیش‌‌بینی شده و اندازه‌‌گیری شده نرخ پیشروی نشان دادند که مدل‌‌هایارائه شده توانستند با خطایی کمتر از 10درصد نرخ پیشروی ماشین حفار   EPB   را پیش‌‌بینی کنند. شایان ذکر است با توجه به دقت بالای پیش‌‌بینی نرخ پیشروی، مدل‌‌های توسعه یافته می‌‌توانند به عنوان مدل‌‌های کاربردی در صنعت حفاری مکانیزهنقش قایل توجهی ایفا کنند.