بررسی عددی نشست سطح زمین در تونل زنی دایره ای تحت اثر همزمان تغییرات مشخصات هندسی تونل و مکانیکی خاک در محیط اشباع و پیش بینی آن در شبکه عصبی مصنوعی
Publish place: Journal Of Modeling in Engineering، Vol: 19، Issue: 64
Publish Year: 1400
نوع سند: مقاله ژورنالی
زبان: Persian
View: 239
This Paper With 13 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JME-19-64_003
تاریخ نمایه سازی: 3 آذر 1400
Abstract:
ساخت تونل های زیرزمینی، مشکلات ایجاد شده به سبب این ساخت وساز، در اطراف تونل و یا نزدیک به سطح زمین همواره مورد توجه بوده است. تغییرشکل و نشست سطح زمین به سبب عملیات تونل زنی و همچنین جابجایی تاج، دیواره ها و کف تونل از جمله عوامل ناپایدارکننده تونل به حساب می آیند. با توجه به اهمیت موضوع، محققین زیادی بر روی شکل و نوع جابجایی سطح زمین و مقدار آن با توجه به عوامل مختلف بحث نموده اند، با این وجود هنوز رابطه ای دقیق برای پیش بینی نشست سطح زمین با در نظر گرفتن تمامی پارامترهای موثر از جمله پارامترهای هندسی تونل و مکانیکی خاک، ارائه نشده است. در این پژوهش به بررسی عددی و پارامتریک نشست سطح زمین، در محیط خاک اصطکاکی- چسبنده و در محیط اشباع صورت می گیرد، با بهره گیری از روش تحلیل المان محدود در نرم افزار ABAQUS، پرداخته شده است. با در نظر گرفتن مقادیر مختلف عمق به قطر تونل در شرایط مختلف برای چسبندگی خاک، زوایای اصطکاک داخلی و ضرایب نفوذپذیری و تغییرات همزمان آنها ، تاثیر این متغیرها روی نشست سطح زمین مورد بررسی قرارگرفته است. سپس با استفاده از ایجاد شبکه عصبی مصنوعی از نوع پرسپترون چندلایه در نرم افزار MATLAB، و با استفاده از نتایج تحلیل نرم افزار آباکوس به عنوان ورودی شبکه، به پیش بینی مقادیر نشست سطح زمین در سایر حالات پرداخته شده است. در نهایت، پتانسیل قابل توجه شبکه عصبی با مقدار ضریب همبستگی ۹۸/۰ در پیش بینی مقادیر نشست نشان داده شده-است.
Keywords:
Authors
واحد قیاسی
گروه مهندسی عمران دانشگاه ملایر ملایر استان همدان ایران
مهدی کوشکی
گروه مهندسی عمران ، دانشکده عمران و معماری، دانشگاه ملایر، ملایر، ایران
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :