امکان سنجی متروی سنندج و پیش بینی های اولیه مقدار نشست در سطح زمین
Publish Year: 1394
Type: Conference paper
Language: Persian
View: 735
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICSAU03_1437
Index date: 2 July 2016
امکان سنجی متروی سنندج و پیش بینی های اولیه مقدار نشست در سطح زمین abstract
یکی از عوامل نشست سطحی در زمین های نرم حفر تونل در اعماق کم است که می تواند خسارات جبران ناپذیری را به سازه های سطحی وارد کند و این موضوع، پیش بینی و در نتیجه برنامه ریزی در راستای مقابله با این پدیده ی مخربرا حائز اهمیت می کند. با توجه به افزایش روز افزون جمعیت و نیاز به فضاهای زیر زمینی به دلیل تعدد فضاهای سطحی و کمبود این فضاها در سطح زمین از فضاهای زیر زمینی به عنوان راه حلی برای این موضوع و حل ترافیک سطحی و سایر کاربردهای دیگر استفاده می شود. شهر سنندج مرکز استان کردستان یکی از استانهای غربی کشور است که با توجه به مطالعات امکان سنجی انجام شده و میانگین نرخ رشد دوره ی سی ساله ی جمعیت برابر با 4/6درصد و افزایش ترافیک وسایل نقلیه در سطح شهر، نیاز به ایجاد مترو در سالهای آتی در این شهر احساس شده است. نشست فضاهای زیر زمینی در حین احداث به خصوص در فضای شهری از اهمیت ویژهای برخوردار است و بررسی مقدار آن و استفاده از روش های مناسب برای جلوگیری از نشست بیش از حد و وارد شدن خسارت بر تاسیسات سطحی از اقدامات مهم می باشد. در این مقاله پیش بینی های اولیه از مقدار نشست در اثر تونلسازی در سطح زمین انجام شده است که با استفاده از دو نرم افزارPhase و 2 Fl ac2D مقطعی از تونل با روش حفر مورد نظر مدلسازی شده و نتایج حاصل از این دو نرم افزار با هم مقایسه شده است. خروجی های گرفته شده از نرم افزارها نشان دهندهی نزدیکی در مقدار نشست به دست آمده از هر دو نرم افزار است
امکان سنجی متروی سنندج و پیش بینی های اولیه مقدار نشست در سطح زمین Keywords:
امکان سنجی متروی سنندج و پیش بینی های اولیه مقدار نشست در سطح زمین authors
لقمان امیری
دانشجوی کارشناسی ارشد مهندسی معدن دانشگاه زنجان
محمد کریمی
دانشجوی کارشناسی ارشد مهندسی معدن دانشگاه زنجان
آرش رفاهی
استادیار گروه مهندسی معدن دانشگاه زنجان
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 :