پیش بینی حداکثر نشست سطح زمین ناشی از عملیات تونلسازی در محیط های شهری با مدل رگرسیون خطی چندگانه و الگوریتم جنگل تصادفی

  • سال انتشار: 1403
  • محل انتشار: مجله مهندسی منابع معدنی، دوره: 9، شماره: 3
  • کد COI اختصاصی: JR_MHRE-9-3_005
  • زبان مقاله: فارسی
  • تعداد مشاهده: 172
دانلود فایل این مقاله

نویسندگان

حسام دهقانی

دانشیار، گروه مهندسی معدن، دانشکده مهندسی، دانشگاه صنعتی همدان، همدان

فریبرز متین پور

دانشجوی دکترا، گروه مهندسی معدن، پردیس دانشکده های فنی، دانشگاه تهران، تهران

شادمان محمدی بلبان اباد

دانشجوی دکترا، گروه مهندسی معدن، دانشکده مهندسی، دانشگاه تربیت مدرس، تهران

مسعود منجزی

استاد، گروه مهندسی معدن، دانشکده مهندسی، دانشگاه تربیت مدرس، تهران

چکیده

نشست ناشی از عملیات تونلسازی در محیط های شهری پدیده ای اجتناب ناپذیر است. پیش بینی و کنترل این پدیده آسیب های احتمالی به سازه های سطحی و زیرساخت های مجاور را به طور قابل توجهی کاهش می دهد. در این مقاله، برای پیش بینی حداکثر نشست سطح زمین ناشی از عملیات حفاری تونل های کم عمق در محیط های شهری از دو روش رگرسیون خطی چندگانه (MLR) و الگوریتم جنگل تصادفی (RF) استفاده شده است. بدین منظور ۹ پارامتر ورودی موثر بر حداکثر نشست سطح زمین از جمله فاصله مرکز تونل از سطح زمین (H)، ارتفاع سطح آب زیرزمینی بالای تونل (W.T)، قطر تونل (D)، مدول الاستیسته خاک (E)، مقاومت برشی زهکشی نشده خاک (Cu)، ضریب فشار زمین (K۰)، وزن مخصوص خاک (γ)، پارامتر گپ (g) و عدد پایداری (N) بر اساس ۲۴ دسته داده مربوط به ۱۴ پروژه مختلف تونلسازی انتخاب و سپس روش های MLR و RF  پیاده سازی شدند. برای ارزیابی کارایی مدل ها در پیش بینی حداکثر نشست از ۳ شاخص ضریب تعیین (R۲)، جذر میانگین مربعات خطا (RMSE) و میانگین خطای مطلق (MAE) برای داده های آموزش و تست استفاده شد. مقادیر ضریب تعیین روش های MLR و RF برای داده های آموزش به ترتیب ۸۱۴/۰ و ۹۵۷/۰ و برای داده های تست به ترتیب ۷۹۳/۰ و ۹۶/۰ به دست آمد که نشان دهنده کارایی بالای روش RF در مقایسه با MLR است. به علاوه، نتایج نشان داد که مقادیر شاخص های RMSE و MAE در هر دو مرحله آموزش و تست برای الگوریتم RF کمتر از روش MLR است که خطای کمتر الگوریتم RF و قابلیت اطمینان و دقت بالاتر آن نسبت به روش MLR نشان می دهد. همچنین، نتایج آنالیز اهمیت نشان می دهد که از بین پارامترهای ورودی، پارامتر گپ (g) و مقاومت برشی زهکشی نشده خاک (Cu) به ترتیب بیشترین و کمترین تاثیر را بر حداکثر نشست سطح زمین دارند.

کلیدواژه ها

عملیات تونلسازی, حداکثر نشست سطح زمین, رگرسیون خطی چندگانه, الگوریتم جنگل تصادفی

اطلاعات بیشتر در مورد COI

COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.

کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.