بررسی پایداری تونل به روش منحنی مشخصه زمین با استفاده از الگوریتم ماشین یادگیری

سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 371

فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_ROAD-51-99_007

تاریخ نمایه سازی: 2 مهر 1398

چکیده مقاله:

با توجه به توسعه روز افزون فضاهای زیرزمینی، ارزیابی پایداری و تعیین رفتار توده سنگ از مباحث مهم فضاهای زیر زمینی برای ایمنی و بهینه سازی پروژه می باشد. در سال های اخیر کرنش بحرانی به عنوان مهمترین شاخص برای ارزیابی پایداری و مچاله شوندگی تونل مورد توجه قرار گرفته است. در حال حاضر روش­های مختلفی برای تعیین کرنش بحرانی ذات توده سنگ وجود دارد. پارامتر کرنش بحرانی یک شاخص است که اجازه می­دهد تا درجه ای از پتانسیل مچاله شوندگی بر حسب کمیت سنجیده شود. از آن به عنوان سطح کرنش در پیرامون تونل که فراتر از آن باعث بی ثباتی و مشکلات مچاله شوندگی که به احتمال زیاد رخ می دهد یاد شود. همچنین مقدار کرنش بحرانی در ارزیابی پایداری تونل به روش نمودار مشخصه زمین بسیار کاربرد دارد. تاکنون، تلاش هایی بسیار زیادی برای تعیین کرنش بحرانی شده است، که سه روش پر کاربرد در این مطالعه بیان می شود. همچنین برای تعیین پتانسیل مچاله شوندگی در همه مطالعات­ها کمیت مچاله شوندگی 1% بر آورد شده است. با توجه به اینکه نتایج بدست آمده از روش های مختلف برای تعیین کرنش بحرانی، با استفاده از پارامترهای متفاوت و نتایج متفاوتی با هم دارند، در این پژوهش با استفاده از هوش مصنوعی برای دقیق شدن نتایج تلاش می شود. بدین منظور از الگوریتم هوشمند ماشین یادگیری در نرم افزار داده کاوی Rapidminer استفاده خواهد شد. در پژوهش حاضر، با جمع آوری اطلاعات ارائه شده از  تونل های مختلف در مقالات معتبر، شرایط موجود به سه وضعیت پایدار، نیمه پایدار و ناپایدار تعریف می شود. خروجی ها ماشین یادگیری شامل رابطه پارامترها بر اساس شرایط موجود در تونل،تاثیر هر کدام از پارامترها بر دیگری با توجه به شرایط تونل می باشد.

نویسندگان

نادر دستاران

کارشناس ارشد، دانشکده فنی مهندسی نیایش، دانشگاه تهران مرکز، تهران، ایران

احسان عسگری لو

دانش آموخته کارشناسی ارشد، مهندسین مشاور ساحل امید ایرانیان، تهران، ایران

سعید پارسه

دانش آ موخته کارشناسی ارشد، باشگاه پژوهشگران جوان و نخبگان دانشگاه آزاد اسلامی واحد کرمانشاه، کرمانشاه، ایران

متین جلالی مقدم

دانش آموخته کارشناسی ارشد، دانشکده فنی و مهندسی، دانشگاه آزاد اسلامی واحد تهران، 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 :
  • Agan, C., (2016), Prediction of squeezing potential of rock masses ...
  • Aydan, Ö., Akagi, T., & Kawamoto, T. (1993), The squeezing ...
  • Barla, G., (2001), Tunnelling under squeezing rock conditions . Eurosummer-School ...
  • Barton, N., (2002), Some new Q-value correlations to assist in ...
  • Basarir, H., et al., (2005), Analysis of support requirements for ...
  • Basnet, C. B., (2013), Evaluation on the Squeezing Phenomenon at ...
  • Bulychev, N. Mekhanika podzemnykh sooruzhenii (Mechanics of Underground Structures), Moscow: ...
  • Carranza-Torres, C., & Fairhurst, C., (1999), General formulation of the ...
  • Chang, C. & LIBSVM, C.-J. L., (2001), a library for ...
  • Chern, J., Shiao, F., & Yu, C., (1998), An empirical ...
  • Chern, J., Yu, C., & Shiao, F., (1998), Tunnelling in ...
  • Dalgıç, S., (2002), A comparison of predicted and actual tunnel ...
  • Duncan Fama, M., (1993), Numerical modelling of yield zones in ...
  • Huang, G., Qiu, W., & Zhang, J., (2017), Modelling seismic ...
  • Hoek, E., (1998), Tunnel support in weak rock. Paper presented ...
  • Hoek, E., (2001), Big tunnels in bad rock. Journal of ...
  • Hoek, E. Kaiser, P. K., & Bawden, W. F., (2000), ...
  • Hoek, E., & Marinos, P., (2000), Predicting tunnel squeezing problems ...
  • Jethwa, J., et al., (1982), Evaluation Of Classification Systems For ...
  • Jethwa, J., & Singh, B., (1984), 28 Estimation of ultimate ...
  • Khan, A., Baharudin, B., Lee, L. H., & Khan, K., ...
  • Khanlari, G. and Mokhtari, E., (2012), Engineering geological study of ...
  • Kim, Y.-S., & Kim, D.-M., (2009), Evaluation for applications of ...
  • Koçkar, M. and Akgün, H., (2003), Engineering geological investigations along ...
  • Li, D. T., Yan, J. L., & Zhang, L., (2012), ...
  • ­Özsan, A. and H. Başarır (2003), Support capacity estimation of ...
  • Park, S.-H., & Shin, Y.-S. (2007), A Study on the ...
  • Park, S., & Park, S., (2014), ­Case studies for tunnel ...
  • PRASAD, A. S. R. G. V. (2000), observational approach for ...
  • Ramamurthy, T., & Arora, V., (1994), Strength predictions for jointed ...
  • ­Saeed, M. S. and Maarefvand, P., (2014), Engineering geological study ...
  • Sakurai, S., (1981), Direct strain evaluation technique in construction of ...
  • Sakurai, S., (1983), Displacement measurements associated with the design of ...
  • Sakurai, S. (1986). Field measurement and hazard warning levels in ...
  • Sakurai, S. (1997), Lessons learned from field measurements in tunnelling ...
  • Sari, D. and Pasamehmetoglu, A.,  (2004), Proposed support design, Kaletepe ...
  • Sharma, V. M., et al. (1987). Prediction of closures and ...
  • Singh, B. Jethwa, J. Dube, A. & Singh, B. (1992), ...
  • Singh, B. Villadkar, M. Samadhiya, N. & Mehrotra, V., (1997), ...
  • Singh, M. Singh, B. & Choudhari, J., (2007), Critical strain ...
  • Vapnik, V., (2013), The nature of statistical learning theory: Springer ...
  • Wu, Q., Yan, B. Zhang, C. Wang, L. Ning, G. ...
  • Yao, B.-Z. Yang, C.-Y., Yao, J.-B. & Sun, J., (2010), ...
  • نمایش کامل مراجع