طبقه بندی فازی ریسک نشست ناشی از حفاری مکانیزه با ماشین TBM-EPB با استفاده از سیستم استنتاج فازی – عصبی تطبیقی (ANFIS)
سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 149
فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_TUSE-11-1_005
تاریخ نمایه سازی: 15 اسفند 1401
چکیده مقاله:
پیش بینی و ارزیابی ریسک ناشی از نشست سطح زمین در اثر حفاری مکانیزه با استفاده از سپر EPB از مهمترین بخش های مدیریت ریسک در مدیریت پروژه های تونل سازی می باشد. از اینرو، در این مقاله سعی می گردد طی دو بخش مستقل به این مهم پرداخته شود. در بخش ابتدایی، رقم نشست سطحی زمین ناشی از حفاری مکانیزه با استفاده از دستگاه TBM-EPB بر اساس روش سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) با در نظر گرفتن ده متغیر جامع ورودی شبکه، تخمین زده می شود. سیستم استنتاج فازی – عصبی تطبیقی با در نظر گرفتن هفت تابع عضویت گوسی برای هر یک از ده متغیر ورودی در لایه اول شبکه و همچنین تعریف هفت قانون فازی برای استنتاج خود در لایه دوم شبکه، قادر بوده است متغیر خروجی سیستم که حداکثر نشست سطحی می باشد را با دقت مطلوب و رقم ۰۱۳۲۲/۰ ریشه میانگین مربعات خطا (RMSE) پیش بینی نماید. در بخش دوم مقاله، ریسک ناشی از نشست سطحی در حفاری مکانیزه با استفاده از توابع عضویت گوسی در پنج کلاس مختلف ریسک تحلیل و طبقه بندی فازی می شود. در انتها، طبقه بندی قطعی رده های مختلف ریسک نشست در پژوهش های پیشین و طبقه بندی فازی سطوح مختلف ریسک انجام شده در این تحقیق، قیاس می شوند. طبق نتایج، با تلفیق قضاوت مهندسی فازی منحصر به هر پروژه تونل سازی مشابه و همچنین تحلیل و روش ارائه شده در این مقاله، می توان به تصمیم بهینه کاربردی در مدل ارزیابی ریسک دست یافت.
کلیدواژه ها:
نویسندگان
توحید مقتدر
دانشجوی دکتری؛ گروه مدیریت ساخت و آب، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران
احمد شرافتی
استادیار؛ گروه مدیریت ساخت و آب، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران
حسین نادرپور
استاد؛ دانشکده ی مهندسی عمران، دانشگاه سمنان
مرتضی قارونی نیک
استادیار؛ دانشکده مهندسی راه آهن، دانشگاه علم و صنعت
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :