پیش بینی تغییرشکل تونل توسط شبکه عصبی مصنوعی با استفاده از داده های رفتارسنجی

تحلیل تغییر شکلهای اندازهگیری شده و نحوه رفتار تونلهای حفر شده در سنگ در طراحی تونل دارای اهمیت زیادی است . روش متداول بر ای این کار تحلیل عددی سازه زیرزمینی است. علیرغم گسترش روشهای تحلیل عددی متعددی همچون اجزاء محدود، اجزاء مرزی و تفاضل محدود در فرآیند طراحی سازههای ژئوتکنیکی همچون تونلها، مغارها و ...، هنوز پیشبینی رفتار مکانیکی چنین سازههایی با دقت کافی بسیار مشکل است. نکته قابل توجه آن است که درستی پیشبینی انجامشده عمدتا به دقت دادههای ورودی مورد استفاده در تحلیل بستگی دارد، و این در حالی است که ارزیابی کمی پارامترهای زمین (شامل ساختارهای زمینشناسی، خواص ژئومکانیکی سنگ، حالت اولیه تنش در زمین، نفوذپذیری ، مدل رفتاری و...) با دقت کافی، بسیار مشکل میباشد. به همین دلیل در بسیاری از موارد رفتارهای پیشبینیشده و رفتار واقعی زمین متفاوت می باشند . یکی از روشهایی که امروزه جهت بهبود چنین مشکلی بسیار مورد کاربرد است، ابزاربندی و رفتارسنجی در حین احداث سازه است . به عنوان یک روش مکمل برای چنین مشکلاتی در مسائل مهندسی ژئوتکنیک، گرایش به سمت تکنیکهای هوش محاسباتی در سالهای اخیر افزایش یافته است. در این تحقیق، به وسیله شبکه عصبی مصنوعی با استفاده از دادههای رفتارسنجی در 29 مقطع از تونل تالون و مشخصات بارسنگ، مدول الاستیسیتهRMR زاویه اصطکاک و چسبندگی، همگرایی و نشست تاج تونل پیشبینی گردید.

Keywords:

دادههای رفتارسنجی تونل تالون , همگرایی , نشست تاج , شبکه عصبی مصنوعی