استفاده از الگوریتم بهینه سازی گرگ خاکستری برای تخمین پارامترهای نشست سطح زمین بر اساس شرایط زمین شناسی، هندسه تونل و فاکتورهای عملیاتی دستگاه حفاری

در این مقاله از الگوریتم بهینه سازی گرگ خاکستری (GWO) برای پیش بینی حداکثر نشست سطح زمین (Smax) و عرض گودی پروفیل نشست (i) ناشی از عملیات حفاری تونل های شهری استفاده شده است. بدین منظور، ۲۶ دسته داده با دو پارامتر خروجی (Smax و i) و ۹ پارامتر ورودی شامل چسبندگی (C)، زاویه اصطکاک داخلی (φ)، مدول تراکم پذیری خاک (Es)، فاصله محور تونل از سطح زمین (H)، قطر تونل (D)، فشار تزریق گروت (P)، درصد پرشدن گروت (n)، نیروی پیشران (F) و نرخ پیشروی (v) دستگاه حفاری جهت مدل سازی الگوریتم GWO گردآوری شد. همچنین، مدل رگرسیون خطی چندگانه (MLR) جهت ارزیابی و مقایسه با الگوریتم GWO استفاده گردید. عملکرد مدل های GWO و MLR با استفاده از سه شاخص آماری ضریب تعیین، جذر میانگین مربعات خطا و خطای مطلق میانگین در مراحل آموزش و تست مورد بررسی قرار گرفت و با نتایج مدل های تجربی موجود در منابع مقایسه گردید. نتایج حاصله بیانگر خطای کمتر الگوریتم GWO و قابلیت اطمینان و دقت بالاتر آن در مقایسه با مدل MLR و سایر مدل های تجربی است. بعلاوه، نتیجه آنالیز حساسیت مدل ها و همبستگی داده ها نشان داد که پارامترهای F و n به ترتیب مهم ترین و کم اهمیت ترین پارامترهای تاثیرگذار بر Smax هستند. همچنین، C و v به ترتیب دارای بیش ترین و کم ترین تاثیر بر i می باشند. با در نظر گرفتن نتایج حاصل از این تحقیق، می توان نتیجه گرفت که مدل های پیشنهادی (به ویژه مدل GWO) از قابلیت بالایی برای تخمین پارامترهای نشست سطح زمین برخوردارند.

استفاده از الگوریتم بهینه سازی گرگ خاکستری برای تخمین پارامترهای نشست سطح زمین بر اساس شرایط زمین شناسی، هندسه تونل و فاکتورهای عملیاتی دستگاه حفاری Keywords:

تول سازی , حداکثر نشست سطح زمین , عرض گودی پروفیل نشست , بهینه سازی گرگ خاکستری , رگرسیون خطی چندگانه