معرفی یک رابطهی هوشمند برای پیشبینی نشست سطح ناشی از حفرتونلهای مترو
Publish Year: 1394
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 494
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ITC11_056
تاریخ نمایه سازی: 19 خرداد 1396
Abstract:
هدف از انجام این تحقیق، پیشنهاد یک رابطهی هوشمند برای پیشبینی نشست سطح زمین در اثر حفر تونلهای مترو میباشد. پارامترهای متعددی بر روی نشست سطح تونلها تاثیرگذارند که گنجاندن تمامی آنها در روشهای مرسوم تجربی ممکن نبوده است. بنابراین در این مقاله، بابکارگیری روش GEP ، توانایی این روش هوشمند برای پیشبینی نشست سطح بررسی میشود. در این بررسی، بر اساس اطلاعات 8 تونل مترو در سطح جهان که با روش NATM و در محیط خاکی مشابه حفر شدهاند رابطهای توسط GEP ارایه شد. برای ساخت این رابطه، پارامترهایمقاومتی و هندسی سازه )چسبندگی ) C (، زاویه اصطکاک داخلی ) ø ( و مدول الاستیسیته ) E ( خاک؛ عمق ) Z ( و قطر ) D ( تونل( بهعنوانپارامترهای وابسته و مقدار نشست سطح ) S ( بهعنوان پارامتر مستقل درنظر گرفته شدند. در مجموع 35 دسته داده از تحقیقات گذشته جمعآوری شد که مقادیر نشست سطح موجود در آنها بهکمک مدلسازی عددی )نرمافزار FLAC2D ( محاسبه گردید. 04 دسته داده برای ساخت رابطهی هوشمند و 15 دسته داده برای ارزیابی عملکرد آن بکار گرفته شد. رابطهی ارایه شده از دقت مناسبی برخوردار بود بطوریکه ضریب تعیین ) R2 )آن برابر 0/930 میباشد. بنابراین این رابطه برای پیشبینی نشست سطح سایر متروهای مشابه پیشنهاد میشود.
Authors
سیدرحیم معین السادات
دانشجوی دکتری مهندسی معدن مکانیک سنگ، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران.
کاوه آهنگری
استادیار و مدیر گروه مهندسی معدن، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران
کوروش شهریار
استاد دانشگاه صنعتی امیرکبیر، دانشکده مهندسی معدن و متالوژی، گروه مهندسی معدن
دانیال بهنیا
دانشجوی دکتری مهندسی معدن مکانیک سنگ، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات تهران.
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 :