5 نتیجه برای تونل مترو
جلد 3، شماره 2 - ( 11-1388 )
چکیده
در بسیاری از موارد، تحقیق در باره طراحی و اجرای سازههای زیرزمینی منحصراً با تخمین پارامترهای ژئومکانیکی توده خاک انجام می‌شود. بیان کمی و کیفی این پارامترها همانند حالت اولیه تنش‌ها، سطح آب زیرزمینی و نفوذ پذیری بسیار مشکل است. برای رفع چنین مشکلی از پژوهش‌های صحرایی و تکنیک‌های تحلیل برگشتی استفاده می‌شود. هدف این روش‌ها صرفاً تعیین مدل مکانیکی یا مقادیر ثابت‌های مکانیکی و نیروهای خارجی نبوده، بلکه اندازه‌گیری جابه‌جایی‌ها پیرامون سازههای زیرزمینی با ابزارهای رفتارنگاری و تعیین بارها بر روی نگهدارنده‌ها و نهایتاً ارزیابی روش‌های طراحی پروژه مورد نظر در طی اجرای آن است. در این مقاله دادههای حاصل از رفتارسنجی تونل متروی کرج- خط 2 قطعه اول به طول 2495 متر به‌عنوان دادههای اولیه تحلیل برگشتی به روش تک متغیره متناوب جهت مدل‌سازی در نرم افزار Plaxis 3D استفاده شده است. نهایتاً با انجام عمل تحلیل برگشتی پارامترهای ژئومکانیکی توده خاک یعنی مدول الاستسیته، مدول پواسون، چسپندگی و زاویه اصطکاک داخلی که متفاوت با مقادیر ارائه شده اولیه است، برآورد شد.
حسین اینانلو عربی شاد، کاوه آهنگری،
جلد 4، شماره 1 - ( 6-1389 )
چکیده
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.
حسین اینانلو عربی شاد، غلامرضا لشکری پور، .مجید اکبری،
جلد 5، شماره 2 - ( 11-1390 )
چکیده
امروزه ماشینهای تونلبری TBM (Tunnel Boring Machine) بطور وسیعی در حفر تونلها بخصوص تونل‌های شهری استفاده میشوند. این ماشین‌ها بر اساس روش نگهداری سینه‌کار و دیواره‌های تونل، دارای انواع مختلفی می‌باشند. یکی از انواع این ماشین‌ها، سپرهای تعادلی فشار زمین EPB (Earth Pressure Balance) می‌باشد که جهت حفاری خط 1 متروی تبریز مورد استفاده قرار گرفته است. عوامل مختلفی نظیر شرایط زمینشناسی، خصوصیات توده سنگ، شیب مسیر و همچنین مشخصات ماشین بکار رفته بر میزان کارآیی این ماشین‌ها تأثیر میگذارد. یکی از راههای پیشبینی میزان کارآیی این ماشین‌ها، تخمین نرخ نفوذ آنها می‌باشد. در این تحقیق میزان نرخ نفوذ TBM در خط 1 متروی تبریز توسط شبکه عصبی مصنوعی پیشبینی گردیده است. پیشبینی این پارامتر، کمک شایانی در انجام مراقبت و دقت بیشتر در برخورد با مناطق دردسرساز با دانستن زمان برخورد به این مناطق و همچنین استفاده از فشار EPB مناسب در آنها می‌نماید. از نتایج مهم حاصل از این تحقیق می‌توان به پیشبینی میزان نرخ نفوذ با دقت قابل قبول و همچنین تعیین پارامترهای مؤثر به وسیله آنالیز حساسیت صورت گرفته توسط شبکه عصبی اشاره کرد.
حمید مهرنهاد، مهدی خلق ذکرآباد،
جلد 12، شماره 5 - ( 12-1397 )
چکیده
هنگام حفر تونل در فضاهای شهری، جلوگیری از آسیب و تخریب سازههای مجاور اهمیت ویژه‌ای دارد. برای کاهش این آسیبها باید از نشست سطحی زمین جلوگیری کرد. در سالهای اخیر بررسی‌های گستردهای در زمینۀ پیشبینی نشست سطحی زمین در اثر حفر تونل انجام شده است. انتخاب روش مناسب به عوامل مختلفی بستگی دارد. نشست سطحی ناشی از حفر تونل با کمک متغیرهای ورودی که تأثیر فیزیکی چشم‌گیری بر نشست دارند، پیشبینی شده است. برای ساخت مدل شبکههای عصبی از دادههای بهدست آمده از حفر تونل خط 2 متروی مشهد استفاده شده است. نتایج نشان داد که شبکه عصبی پیشخور که با استفاده از الگوریتم پس انتشار خطا آموزش دیده است و دارای سه لایه با معماری 1-24-7 است، شبکۀ عصبی بهینه ایت. شبکۀ عصبی بهینه دارای ضریب هم‌بستگی و میانگین مربعات خطا برابر با 963/0 و 4-10×41/2 است. همچنین نتایج نشان داد که این شبکۀ عصبی آموزش دیده شده میتواند برای پیشبینی نشست سطحی ناشی از حفر تونل بهصورت موفقیتآمیزی استفاده شود.
پرفسور حمیدرضا ناصری، کوشا تمیمی، دکتر فرشاد علیجانی، دکتر صادق طریق ازلی،
جلد 17، شماره 3 - ( 9-1402 )
چکیده
توسعه فعالیت‌های حمل و نقل زیرزمینی در شهر نظیر حفر تونل ممکن است آب‌های زیرزمینی و چشمه‌های این مناطق را به صورت کوتاه‌مدت و یا بلندمدت تحت تأثیر قرار دهد. حفر تونل خط شش متروی تهران در آبرفت و سنگ‌آهک‌های شمال چشمه علی شهرری به علت ایجاد نوسانات در آبدهی چشمه و خشک شدن مقطعی آن موجب بروز نگرانی شده است. برای یافتن ارتباط بین چشمه علی و آبخوان اصلی تغذیه‌کننده آن ویژگی‌‌‌های هیدروشیمیایی آب زیرزمینی و حوضه آبگیر چشمه بررسی شد. با کمک روش‌های تحلیلی نشت آب به تونل و روش DHI، مقدار تخمینی نفوذ آب به تونل و بیشترین منطقه تأثیرپذیر از این نشت آب به تونل مشخص و به منظور بررسی تغییرات آبدهی چشمه با میزان بارش در گستره، آمار بارش با تغییرات آبدهی چشمه در زمان‌های قبل و بعد از حفاری تونل مترو مقایسه شد. نتایج پژوهش نشان داد که حفاری تونل مترو تأثیر قابل‌توجهی بر روی سیستم هیدروژئولوژی منطقه و آبدهی چشمه‌علی گذاشته و ادامه حفاری ممکن است تأثیر منفی بر روی دبی دیگر چشمه‌ها و چاه‌های منطقه نیز داشته باشد و سیستم جریانی منطقه را به طور موقت و یا برای همیشه دگرگون کند.
