پیش بینی نشست ناشی از حفاری تونل مترو با استفاده از ماشین های بردار پشتیبان (SVMs)

نشست خاک در عملیات حفر تونل باعث بوجود آمدن خسارات جبران ناپذیر و هزینه های اضافی خواهد شد. بررسی نشست در تونل ها به روش های سریع قبل از انجام عملیات می تواند از بروز این مشکل جلوگیری کند. هدف از انجام این پژوهش بررسی عملکرد ماشین های بردار پشتیبان SVM در بررسی نشست ناشی از حفاری در تونل ها می باشد که بوسیله برنامه نویسی و داشتن نمونه هایی برای تست این شبکه انجام شده است. با بررسی نمودارهای حاصل از نتایج مشاهده می شود که شبکه SVM انطباق بسیار دقیقی با نشست های بدست آمده از روش های پیشین و قدیمی در مقابل سایر روش ها دارد. همچنین سرعت و کارایی این شبکه نسبت به روشهای پیشین بالاتر است. می توان سرعت، کارایی و کم هزینه بودن این شبکه و همچنین نداشتن حساسیت به تعداد نرون های داخل شبکه برای تخمین نتایج دقیق تر و کارایی بالاتر نسبت به شبکه عصبی ANN را از نتایج کلی این تحقیق دانست.

کلیدواژه ها:

تونل ، شبکه عصبی ANN ، ماشین های بردار پشتیبان SVM ، نشست