پیش بینی نشست سطح زمین ناشی از حفر تونل با استفاده از شبکه های عصبی فازی - مطالعه موردی؛ خط 2 متروی مشهد

سال انتشار: 1392
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,109

فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCAU01_0223

تاریخ نمایه سازی: 29 تیر 1393

چکیده مقاله:

تونل سازی در نواحی کم عمق شهری و در زمین های نرم، همواره توأم با مخاطراتی است که نادیده گرفتن آن ها می تواندعواقب ناخوشایندی در بر داشته باشد. مسأله نشست سطح زمین و تأثیر آن بر سازه های سطحی از مهم ترین اینمخاطرات است، که به منظور جلوگیری از خسارت بر سازه های روزمینی می بایستی با آیین نامه های مربوطه کنترل گردد. نشست سطح زمین ناشی از حفر تونل به عوامل مختلفی از قبیل نحوه حفاری، پارامترهای مربوط به حفاری، هندسهتونل، شرایط زمین شناسی و خصوصیات ژئوتکنیکی بستگی دارد. تعداد زیادی فرمول های تجربی و نیمه تجربی برایپیش بینی نشست سطح زمین موجود است؛ همچنین روش های تحلیلی و عددی مختلفی برای پیش بینی نشست به کار رفته است. در این مقاله ابتدا مقدمه ای بر نشست و پیش بینی آن بیان می گردد. پس از آن توضیحی درمورد روش هایموجود و همچنین کاربرد شبکه های عصبی در پیش بینی نشست سطحی ارائه می شود. سپس درمورد زمین شناسی مسیر مورد مطالعه و مشخصات تونل خط 2 متروی مشهد توضیحاتی بیان می گردد. با استفاده از بانک اطلاعاتی جمع آوری شدهمربوط به خط 2 متروی مشهد و یک سری ورودی های مؤثر بر نشست سطحی و خروجی ها که همان نشست هایاندازه گیری شده با ابزار دقیق می باشند، شبکه عصبی فازی با استفاده از - ANFIS و با به کارگیری نرم افزار MATLAB طراحی شده، آموزش می بیند و ارزیابی می گردد. در نهایت، خطاهای حاصل از شبکه در حالت های مختلف نشان داده شده و همبستگی بین نشست های واقعی و نشست های پیش بینی شده نیز بررسی می شود.

نویسندگان

مسعود رضازاده عنبرانی

دانشجوی کارشناسی ارشد مهندسی عمران مکانیک خاک و پی، دانشگاه آزاد اسلامی واحد نجف آباد، اصفهان، ایران،

علیرضا حاجیان

استادیار، دانشکده مهندسی هسته ای و علوم پایه، دانشگاه آزاد اسلامی واحد نجف آباد، اصفهان، ایران،

مسعود میرمحمدصادقی

استادیار، مجتمع عالی آموزشی و پژوهشی صنعت آب و برق اصفهان، ایران،

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 :
  • I2] حاجیان، ع، "پیش‌بینی تغییرشکل‌های سطح زمین ناشی از احداث ...
  • آذر، ع. و فرجی، ح-، "علم مدیریت فازی"، چاپ چهارم، ...
  • کاربرد شبکه های عصبی در پیش بینی ماکزیمم نشست در اطراف تونل های کم عمق [مقاله کنفرانسی]
  • فتح‌آبادی، ب، محمدی، م0، سعیدی، غ، "پیش‌بینی ماکزیمم نشست در ...
  • ا حاجیان، ع، "تفسیر بی‌هنجاری‌های خردگرانی‌سنجی با استفاده از شبکه‌های ...
  • مهندسین مشاور ساحل، "مطالعات ژئوتکنیک ایستگاه‌های خط 2 قطار شهری ...
  • Mair, R.J., Taylor, R.N., "Bored Tunneling in the Urban Environment", ...
  • Peck, R.B., "Deep Excavations and Tuneling in Soft Ground", 7th ...
  • Sagasta, C., "Analysis of Underground Soil Deformation Due to the ...
  • Verruijt, A., Booker, J.R., "Surface Settlement Due to Deformation of ...
  • Loganathan, N., Poulos, H.G., "Tunneling Induced Ground Deformation and Their ...
  • th Australian Tunneling Conference, pp. 1-34, 1999. ...
  • Wang, Z.W., Sampaco, K.L., Fischer, G.R., Kucher, M.S., Godlewski, P.M., ...
  • Bobet, A., "Analytical Solutions for Shallow Tunnels in Saturated Ground", ...
  • Suwansawat, S., Einstein, H.H., ":Artificial neural networks for predicting the ...
  • Santos Jr., O.J., Celestino, T.B., "Artificial neural networks analysis of ...
  • International Conference _ Civil Engineering Architecture & Urban Sustainable Development ...
  • نمایش کامل مراجع