Fattahi H, Bayatzadehfard Z. Forecasting Surface Settlement Caused by Shield Tunneling Using ANN-BBO Model and ANFIS Based on Clustering Methods. Journal of Engineering Geology 2018; 12 (5) :55-84
URL:
http://jeg.khu.ac.ir/article-1-2583-fa.html
فتاحی هادی، بیات زاده فرد زهره. پیشبینی نشست زمین در تونلسازی مکانیزه با استفاده از مدل شبکه عصبی مصنوعی-الگوریتم بهینهسازی مبتنی بر جغرافیای زیستی و انفیس مبتنی بر روشهای خوشهبندی. نشریه زمین شناسی مهندسی. 1397; 12 (5) :55-84
URL: http://jeg.khu.ac.ir/article-1-2583-fa.html
1- دانشگاه صنعتی اراک، استادیار دانشکده مهندسی معدن ، h.fattahi@arakut.ac.ir
2- دانشگاه صنعتی اراک، استادیار دانشکده مهندسی معدن
چکیده: (5979 مشاهده)
بیشینۀ نشست سطح زمین یکی از پارامترهای مهم در عملیات حفاری مکانیزه از نوع متعادلکنندۀ فشار زمین (EPB) است که قبل از حفاری باید تعیین شود. زمانیکه مدلسازی بسیار پیچیده میشود، روشهای هوش مصنوعی بهعنوان یک راهحل استفاده میشوند. این روشها در ابتدا با استفاده از دادههای واقعی آموزش میبینند و سپس به پردازش اطلاعات ناشناخته میپردازند. در این پژوهش برای پیشبینی نشست زمین در تونلسازی مکانیزه از نوع EPB از روشهای هوش مصنوعی سیستم استنتاج تطبیقی عصبی- فازی (انفیس) و ترکیب شبکۀ عصبی مصنوعی با الگوریتم بهینهسازی مبتنی بر جغرافیای زیستی استفاده شده است. در این پژوهش دو مدل انفیس شامل انفیس- خوشهبندی کاهشی و انفیس- خوشهبندی C-means فازی استفاده شده است. برای اثبات توانایی روشهای مذکور از دادههای پروژه مترو بانکوک، تایلند استفاده شده است. در این مدلها پارامترهای عمق، فاصله تا سینه کار، سطح آب زیرزمینی، متوسط فشار پشت کاتر، متوسط نرخ نفوذ، زاویهای که درزهها با سینه کار میسازند، فشار تزریق و درصد پرشدگی تزریق بهعنوان ورودی و بیشینۀ نشست سطح زمین بهعنوان خروجی درنظر گرفته شده است. برای بررسی عملکرد مدلها از دو شاخص آماری ضریب تعیین (R2) و میانگین مربعات خطا استفاده شده است که نهایتاً انفیس- خوشهبندی کاهشی بهترین عملکرد را در بین سایر مدلها داشته است.
موضوع مقاله:
ژئوتکنیک (مکانیک خاک و سنگ) دریافت: 1395/9/6 | پذیرش: 1396/5/31 | انتشار: 1397/10/4