بکارگیری روش های تجربی و هوشمند برای پیش بینی نشست سطح ناشی از حفر تونل های شهری

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 756

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ACUC01_168

تاریخ نمایه سازی: 14 دی 1394

چکیده مقاله:

احداث تونل های کم عمق در نواحی متراکم و پرازدحام شهری با موانع و مشکلات متعددی روبه رو است. یکی از این مسائل، نشست حاصل از عملیات تونل سازی می باشد. برای کنترل نشست باید ابتدا آن را پیش بینی کرد و سپس با توجه به آن پیش گیری و محافظت های لازم را در نظر گرفت. روش های مختلفی برای پیش بینی نشست وجود دارد که هر یک دارای نقاط ضعف و قوتی هستند. مهم ترین ضعف اینروش ها عدم در نظر گرفتن تمام پارامترهای مؤثر بر نشست می باشند. پیش بینی نشست سطح به پارامترهای زیادی وابسته است و تأثیر هر پارامتر بر پارامتر دیگر، استفاده از روش های تجربی را بسیارمشکل ساخته است. برای حل چنین مسائلی، روش های هوشمند می توانند ابزاری مناسب برای غلبه بر این محدودیت های مهندسی باشند. در این بررسی بر اساس اطلاعات چندین تونل مختلف در سطح دنیا عملکرد دو روش تجربی (پک) و هوشمندANFISبرای تخمین نشست حداکثر سطح بررسی شده است در پیش بینی های انجام شده برای این هدف، ضریب تعیینR2 روش تجربی0/484 بود در حالی که مقدار این ضریب برای روش ANFIS0/841 می باشد. با توجه به نتایج بدست آمده، عملکرد روشANFISقابلقبول بوده و مدل هوشمند ساخته برای تخمین نشست سطح سایر تونل های مشابه پیشنهاد می شود

نویسندگان

پریچهر ذاکریان

دانشجوی کارشناسی ارشد مهندسی عمران (خاک و پی)، موسسه آموزش عالی روزبهان، ساری، ایران.

هادی حمیدیان شورمستی

استادیار و مدیرگروه مهندسی معدن، دانشگاه آزاد اسلامی واحد قائمشهر، ایران

سیدرحیم معین السادات

دانشجوی دکتری مهندسی معدن (مکانیک سنگ)، دانشگاه آزاد اسلامی واحد علوم و تحقیقات تهران، 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 :
  • Palmstrom, A. and Stille H., (2006) "Ground Behaviour And Rock ...
  • Neaupane, K. M. & Adhikari, N., (2006) "Prediction of tun ...
  • Suwansawat, S., (2006) "Using Artificial Neural Networks for Predicting Surface ...
  • Shi, J., Ortigao, J., & Bai, J., (1998) "Modular neural ...
  • Kim, C. Y. Bae, G., Hong, S., Park, C., Moon, ...
  • Suwansawat, S. and Einstein, H., (2006) "Artificial Neural Networks for ...
  • Darabi, A. Ahangari, K. Noorzad, A. & Arab, A., (2012) ...
  • Ocak, I., & Seker, S. E., (2013) "Calculation of surface ...
  • Hou, J. Zhang, M., and Tu, M., (2009) "Prediction of ...
  • Ahangari, K., Moeinossadat, S.R., Behnia, D., (2015) "Estimation of tunnelling- ...
  • Whittaker, B. and Reddish, D., (1989) "Subsidence: occurrenc, prediction and ...
  • Peck, R.B., (1969) "Deep excavation sand tunneling in soft ground", ...
  • Mair, R.J., (1998) "Geotechnict Aspects of Design Criteria for Bored ...
  • Wang, Z. W., Sampaco, K, L., Fischer, G. R., Kuker, ...
  • Jang, J. S. R., (1993) "ANFIS: A dap tive -Network-Bas ...
  • Jalalifar, H. Mojedifar, S. Sahebi, A. A. and Nezamab adi-pour, ...
  • Behnia, D. Moeinossadat, S. R. Behnia. B. Behnia, M. Safari ...
  • Behnia, D. Ahangari, K. Noorzad, A. and Moeinossadat, S.R., , ...
  • نمایش کامل مراجع