ارزیابی مقایسه ای عملکرد منطق فازی به عنوان مکمل شبکه های عصبی مصنوعی در پیش بینی نشست سطح زمین ناشی از حفر تونل(مطالعه موردی:خط 2 متروی مشهد)

  • سال انتشار: 1393
  • محل انتشار: هشتمین کنگره ملی مهندسی عمران
  • کد COI اختصاصی: NCCE08_0352
  • زبان مقاله: فارسی
  • تعداد مشاهده: 1003
دانلود فایل این مقاله

نویسندگان

مسعود رضازاده عنبرانی

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

علیرضا حاجیان

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

مسعود میرمحمدصادقی

استادیار مجتمع عالی آموزشی و پژوهشی صنعت آب و برق اصفهان

چکیده

مساله نشست سطح زمین و تاثیر آن بر سازه های سطحی از مهمترین مخاطرات ناشی از حفاری تونل های زیرزمینی است که باید کنترل گردد نشست سطح زمین ناشی از حفر تونل به عوامل مختلفی از قبیل نحوه حفاری، پارامترهای مربوط به حفاری، هندسه تونل، شرایط زمین شناسی و خصوصیات ژئوتکنیکی بستگی دارد روش های تجربی، تحلیلی و عددی گوناگونی برای پیش بینی نشست سطح زمین موجوداست یکی از روش های عددی پیش بینی میزان نشست سطحی، استفاده از شبکه های عصبی مصنوعی می باشد خاصیت یادگیری این شبکه ها از اهمیت ویژه ای برخوردار است لذا می توان از این تکنیک به منظور پیش بینی نشست متناسب با خصوصیات هندسه تونل و ژئومکانیکی زمین پیرامون تونل کمک گرفت در این مقاله از روش جدیدی مبتنی بر تلفیق شبکه های عصبی و منطق فازی جهت پیش بینی نشست نیز استفاده گردیده است و نتایج حاصل از آن با شبکه عصبی مقایسه شده است که در نهایت نشان می دهد شبکه عصبی – فازی در مقایسه با شبکه عصبی به دلیل استفاده از استنتاج فازی دارای قابلیت تطبیق بیشتری بین ورودی ها و خروجی ها می باشد

کلیدواژه ها

پیش بینی نشست ، تونل ، شبکه عصبی ، شبکه عصبی فازی ، منطق فازی

مقالات مرتبط جدید

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.