تحلیل پدیده ی سنگ افت در دیواره ی پرشیب بااستفاده از مدل سازی با روش توده ای- کلوخه ای Rocfall و روش المان مجزا PFC۳D- مطالعه ی موردی
محل انتشار: فصلنامه مهندسی عمران فردوسی، دوره: 34، شماره: 1
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 294
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_CIVIL-34-1_006
تاریخ نمایه سازی: 10 مهر 1400
چکیده مقاله:
سنگ افت یکی از انواع ناپایداری دامنه ای است که در اکثر مناطق کوهستانی رخ می دهد و موجب صدمات جانی و خسارات سنگین به تاسیسات، مناطق مسکونی، جاده ها، مزارع و وسایل نقلیه می شود. بنابراین برای جلوگیری از صدمات مالی- جانی، پیش بینی و مدل کردن پدیده ی سنگ افت در دیواره های پرشیب برای انجام اقدامات پیش گیرانه ضروری می باشد. در این راستا در مقاله ی حاضر، به منظور ارزیابی خطر سنگ افت ابتدا بااستفاده از نرم افزار Rocfall مسیر حرکت سقوط سنگی بلوک های جدا شده به صورت منفرد و جدا از هم در بحرانی ترین مقطع از ارتفاعات شمال باختری شهر شاهرود مورد تحلیل قرار گرفت. سپس به منظور درنظر گرفتن فعل و انفعالات بین ذرات در مسیر حرکت، شکل، اندازه و وزن قطعات از روش المان مجزای PFC۳D استفاده شد. با تحلیل نتایج حاصل از شبیه سازی به کمک دو نرم افزار مذکور، این نتیجه حاصل شد که اگر سنگ افت اتفاق بیافتد، تعداد زیادی از قطعات در محدوده ی جاده ها و مناطق مسکونی توقف دارند که این توقف ها راه بندان در جاده و خطرات مالی- جانی را در پی خواهد داشت. به عبارتی دیگر باتوجه به این که بیشترین فاصله ی افقی طی شده توسط قطعات ۳۹۳ متر و فاصله ی افقی مناطق مسکونی ۳۴۰ متری می باشد، لذا احتمال حادثه در اثر سنگ افت بسیار بالا است. در ادامه ی پیشنهاداتی از جمله نصب توری های فلزی، ضربه گیرها، کاهش انرژی جنبشی در قطعات، تغییر در ابعاد قطعات، ایجاد تغییر در هندسه ی شیب جهت کاهش خطر و خسارات ناشی از سنگ افت در مقطع موردنظر ارائه شده است.
کلیدواژه ها:
نویسندگان
هادی فتاحی
دانشکده ی مهندسی علوم زمین، دانشگاه صنعتی اراک.
میلاد صادقی گواری
دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک.
حسین قائدی
دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک
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 :