fa استفاده از شبکه‌های عصبی مصنوعی به‏عنوان مکمل روش‏های عددی در پیش‏بینی نشست تونل خط یک مترو تبریز زمین شناسی مهندسی Engineering Geology مطالعه موردی Case-Study 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. One of the major problems in urban subway tunnels is tunnel stability analysis and determination of the safety factor, and the prediction of the settlement that caused to provide stability during the performance, and then at the time utilization structure. The objectives of this study is using different methods to predict and development of these methods by use of each other. In this  paper, analyze and evaluate the stability of Tabriz Metro tunnel- Line 1 has been carried out using numerical methods, artificial neural networks and empirical  equations. The two excavating methods used in Tabriz Metro tunnel- Line 1 (using machine TBM tunnel method and NATM). In the first part of this  research, the excavated zone of the tunnel with NATM method has been analyzed  using numerical method and surface settlement and amount of tunnel convergence in the tunnel walls have been predicted by this method. After that, surface settlement has been predicted using artificial neural networks and then it has  been compared with obtained value from numerical method analysis and empirical relations.  Then, based on these results, empirical relations of convergence - settlement have been modified for Tabriz Metro tunnel- Line 1. In the second part of the research, the TBM penetration rate was predicted by use of neural network which is an important parameter, when one faced with troublesome areas and is very useful to use appropriate pressure EPB for TBM.   تونل مترو , شبکه عصبی , پیش‏بینی نشست , مدلسازی عدی , FLAC , آنالیز حساسیت , تونل مترو , شبکه عصبی , پیش‏بینی نشست , مدلسازی عدی , FLAC , آنالیز حساسیت , 793 808 http://jeg.khu.ac.ir/browse.php?a_code=A-10-11-2&slc_lang=fa&sid=1 حسین اینانلو عربی شاد inanloo.hossein@yahoo.com 100319475328460044 100319475328460044 No دانشگاه آزاد اسلامی واحد تهران جنوب دانشگاه آزاد اسلامی واحد تهران جنوب کاوه آهنگری ahangari@yahoo.com 100319475328460045 100319475328460045 No دانشگاه آزاد اسلامی واحد علوم تحقیقات