پیش بینی و مدیریت نشست منطقه ای زمین در اثر برداشت آبهای زیرزمینی در شهر کرمان با استفاده از شبکه اعصاب مصنوعی
Publish place: Congress new scientific horizons in the field of civil engineering, architecture, culture and urban management in Iran
Publish Year: 1395
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 393
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
UMCONF04_162
تاریخ نمایه سازی: 18 تیر 1396
Abstract:
مهمترین علل نشست منطقه ای زمین در اغلب موارد، برداشت و استخراج بیش از حد آبهای زیرزمینی است که امروزه بدلیل رشد روزافزون جمعیت با نرخ بیشتری نسبت به گذشته صورت می گیرد افت ناموزون سطح آب زیرزمینی متغیر بودن جنس و ضخامت لایه های فشردگی پذییر آبرفت موجب نشست ناموزن سطح زمین می شود نشستهای نامساوی سبب ایجاد شکافهایی در سطح زمین خسارات به سازه ها، جاده ها، تاسیسات شهری، مسیر راه آهن و تغییر شیب کانالهای آبیاری مجاری آب و سیستم فاضلاب شهری می شود برای آگاهی از میزان نشست آیندهخ مدلسازی نشستها با استفاده از شبک های اعصاب مصنوعی در نرم افزار matlab انجام شده و با استافده از نتایج آن منحنی های نشت سالهای آینده رسم شود در فصل ششم به ارایه راهکارهای مدیریت نشست منطقه ای پرداخته شد که در انتها این نتیج حاصل شد که با توجه به محدودیتهای یاد شده، اجرای سیستم چاه زهکشی تاثیر بیشتری نسبت به بقیه روش ها دارد. براساس نتایج به دست آمده در این پروژ های مشابه می توان طرح تفصیلی و طراحی تاسیاست شهری کرمان را به نحوی هدایت و طراحی کرد تا خسارات کمتری بر اثر نشست زمین در این شهر اتفاق افتد. در جهت کتنرل افت سطح آب های زیرزمینی پدیده فروشنست و کاهش خسارات احتمالی، لازم است که در گام نخست هرچه سریعتر نسبت به کاهش بهره برداری از آب زیرزمینی و اعمال مدیریت صحیح منابع آب اقدام لازم انجام شود.
Keywords:
Authors
ابوالفضل فیروزی
دانشجوی کارشناسی ارشد رشته مدیریت ساخت دانشگاه آزاد اسلامی واحد کرمان
محمدمحسن توفیق
استاد بخش مهندسی عمران گرایش خاک و پی دانشگاه شهید باهنر کرمان
وحید توفیق
استادیار دانشکده عمران دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته کرمان
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 :