جلد 4، شماره 1 - ( بهار و تابستان 1389 )                   جلد 4 شماره 1 صفحات 808-793 | برگشت به فهرست نسخه ها

XML English Abstract Print

Download citation:
BibTeX | RIS | EndNote | Medlars | ProCite | Reference Manager | RefWorks
Send citation to:
Using artificial neural networks as omplementary numerical methods for settlement prediction in Tabriz Metro Line 1 Tunnel. Journal of Engineering Geology 2010; 4 (1) :793-808
URL: http://jeg.khu.ac.ir/article-1-344-fa.html
اینانلو عربی شاد حسین، آهنگری کاوه. استفاده از شبکه‌های عصبی مصنوعی به‏عنوان مکمل روش‏های عددی در پیش‏بینی نشست تونل خط یک مترو تبریز. نشریه زمین شناسی مهندسی. 1389; 4 (1) :793-808

URL: http://jeg.khu.ac.ir/article-1-344-fa.html

استفاده از شبکه‌های عصبی مصنوعی به‏عنوان مکمل روش‏های عددی در پیش‏بینی نشست تونل خط یک مترو تبریز
حسین اینانلو عربی شاد1، کاوه آهنگری2
1- دانشگاه آزاد اسلامی واحد تهران جنوب
2- دانشگاه آزاد اسلامی واحد علوم تحقیقات
چکیده:   (8294 مشاهده)
یکی از مسائل مهم در تونل‌های مترو شهری، تحلیل پایداری تونل و تعیین ضریب‌ اطمینان مناسب و ایمن و همچنین پیش‌بینی میزان نشست می‌باشد که منجر به تأمین پایداری در حین اجرا و پس از آن در زمان بهره‌برداری از سازه مورد نظر خواهد گردید. اهداف این مطالعه، استفاده از روش‌های مختلف در پیش‌بینی نشست و همچنین توسعه و ارتقاء این روش‌ها به‏وسیله یکدیگر می‌باشد. در تحقیق حاضر، تحلیل پایداری و بررسی میزان نشست تونل خط یک مترو تبریز، توسط روش عددی، شبکه عصبی مصنوعی و روابط تجربی صورت پذیرفته است. با توجه به دو روش حفاری مورد استفاده در تونل خط یک مترو تبریز (استفاده از دستگاه TBM و همچنین حفر تونل به روش NATM) در این بررسی، ابتدا قسمتی از تونل که با روش NATM حفاری می‌شود با استفاده از روش عددی مورد تحلیل قرارگرفته و مقدارنشست سطح زمین و همچنین میزان همگرایی تونل در دیواره تونل نیز با کمک همین نرم‌‌افزار پیش‌بینی شده است. سپس براین اساس، روابط تجربی همگرایی- نشست برای محیط پیرامون تونل خط یک مترو تبریز اصلاح شده‏اند. پس از آن با استفاده از شبکه عصبی مصنوعی و داده‌های موجود، میزان نشست، پیش‏بینی شده و با مقدار به‏دست آمده از روش عددی و روابط تجربی مقایسه شده است. در قسمت دوم تحقیق نیز میزان نرخ نفوذ TBM توسط شبکه عصبی پیش‌بینی شده که این پارامتر می‏تواند در مواجهه با مناطق دردسرساز و همچنین استفاده از فشار EPB مناسب در TBM بسیار مفید باشد.
واژه‌های کلیدی: تونل مترو، شبکه عصبی، پیش‏بینی نشست، مدلسازی عدی، FLAC، آنالیز حساسیت
متن کامل [PDF 772 kb]   (2768 دریافت)    
نوع مطالعه: مطالعه موردی | موضوع مقاله: زمین شناسی مهندسی
پذیرش: 1395/7/14 | انتشار: 1395/7/14
ارسال نظر درباره این مقاله : نام کاربری یا پست الکترونیک شما:
CAPTCHA
بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.

کلیه حقوق این وب سایت متعلق به نشریه زمین شناسی مهندسی می باشد.

طراحی و برنامه نویسی : یکتاوب افزار شرق

© 2024 CC BY-NC 4.0 | Journal of Engineering Geology

Designed & Developed by : Yektaweb