:: جلد 12، شماره 5 - ( ویژه مقاله های انگلیسی 1397 ) ::
جلد 12 شماره 5 صفحات 55-84 برگشت به فهرست نسخه ها
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
هادی فتاحی*1، زهره بیات زاده فرد2
1- دانشگاه صنعتی اراک، استادیار دانشکده مهندسی معدن ، h.fattahi@arakut.ac.ir
2- دانشگاه صنعتی اراک، استادیار دانشکده مهندسی معدن
چکیده:   (1122 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.
 
واژه‌های کلیدی: بیشینۀ نشست سطح زمین، تونل سازی مکانیزه از نوع EPB، سیستم استنتاج تطبیقی عصبی-فازی، شبکه عصبی مصنوعی
متن کامل [PDF 1440 kb]   (120 دریافت)    
نوع مطالعه: مقاله مستقل | موضوع مقاله: ژئوتکنیک (مکانیک خاک و سنگ)
دریافت: ۱۳۹۵/۹/۶ | پذیرش: ۱۳۹۶/۵/۳۱ | انتشار: ۱۳۹۷/۱۰/۴


XML   English Abstract   Print



جلد 12، شماره 5 - ( ویژه مقاله های انگلیسی 1397 ) برگشت به فهرست نسخه ها