معرفی یک رابطهی هوشمند برای پیشبینی نشست سطح ناشی از حفرتونلهای مترو

سال انتشار: 1394
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 689

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ITC11_056

تاریخ نمایه سازی: 19 خرداد 1396

چکیده مقاله:

هدف از انجام این تحقیق، پیشنهاد یک رابطهی هوشمند برای پیشبینی نشست سطح زمین در اثر حفر تونلهای مترو میباشد. پارامترهای متعددی بر روی نشست سطح تونلها تاثیرگذارند که گنجاندن تمامی آنها در روشهای مرسوم تجربی ممکن نبوده است. بنابراین در این مقاله، بابکارگیری روش GEP ، توانایی این روش هوشمند برای پیشبینی نشست سطح بررسی میشود. در این بررسی، بر اساس اطلاعات 8 تونل مترو در سطح جهان که با روش NATM و در محیط خاکی مشابه حفر شدهاند رابطهای توسط GEP ارایه شد. برای ساخت این رابطه، پارامترهایمقاومتی و هندسی سازه )چسبندگی ) C (، زاویه اصطکاک داخلی ) ø ( و مدول الاستیسیته ) E ( خاک؛ عمق ) Z ( و قطر ) D ( تونل( بهعنوانپارامترهای وابسته و مقدار نشست سطح ) S ( بهعنوان پارامتر مستقل درنظر گرفته شدند. در مجموع 35 دسته داده از تحقیقات گذشته جمعآوری شد که مقادیر نشست سطح موجود در آنها بهکمک مدلسازی عددی )نرمافزار FLAC2D ( محاسبه گردید. 04 دسته داده برای ساخت رابطهی هوشمند و 15 دسته داده برای ارزیابی عملکرد آن بکار گرفته شد. رابطهی ارایه شده از دقت مناسبی برخوردار بود بطوریکه ضریب تعیین ) R2 )آن برابر 0/930 میباشد. بنابراین این رابطه برای پیشبینی نشست سطح سایر متروهای مشابه پیشنهاد میشود.

کلیدواژه ها:

نویسندگان

سیدرحیم معین السادات

دانشجوی دکتری مهندسی معدن مکانیک سنگ، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران.

کاوه آهنگری

استادیار و مدیر گروه مهندسی معدن، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران

کوروش شهریار

استاد دانشگاه صنعتی امیرکبیر، دانشکده مهندسی معدن و متالوژی، گروه مهندسی معدن

دانیال بهنیا

دانشجوی دکتری مهندسی معدن مکانیک سنگ، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران.

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. & Stille, H., "Ground Behaviour And Rock Engineering ...
  • Peck, RB., "Deep Excavations and Tunnelling in Soft Ground, State ...
  • Suwansawat, S., & Einstein, H. H., "Artificial neural networks for ...
  • Hou, J., Zhang, M., & Tu, M.. ":Prediction of surface ...
  • Boubou, R., Emeriault, F., & Kastner, R., "Artificial neural network ...
  • Qiao, J., Liu, J., Guo, W., & Zhang, Y, "Artificial ...
  • Ocak, I., & Seker, S. E., "Calculation of surface settlements ...
  • Flac Users., Manual, (version5), Vol. 1, Itasca Consulting Group, Inc. ...
  • Darabi, A., Ahangari, K., Noorzad, A., & Arab, A., "Subsidence ...
  • Ferreira, C., _ Expression Programming: Mathematicat Modeling by an Artificial ...
  • Behnia, D. Ahangari, K. Noorzad, A. & Moeinossadat, S. R., ...
  • Mollahasani, A.. Alavi, A. H., & Gandomi, A. H., "Empirical ...
  • Teodorescu, L, & Sherwood, D., "High energy physics event selection ...
  • Kose, M. M., & Kayadelen, C., "Modeling of transfer length ...
  • نمایش کامل مراجع