جلد 12، شماره 5 - ( ویژه مقاله های انگلیسی 1397 )                   جلد 12 شماره 5 صفحات 158-135 | برگشت به فهرست نسخه ها


XML English Abstract Print


1- دانشگاه یزد، دانشکدۀ مهندسی عمران ، Hmehrnahad@yazd.ac.ir
2- دانشگاه یزد، دانشکدۀ مهندسی عمران
چکیده:   (3682 مشاهده)
هنگام حفر تونل در فضاهای شهری، جلوگیری از آسیب و تخریب سازه­های مجاور اهمیت ویژه‌ای دارد. برای کاهش این آسیب­ها باید از نشست سطحی زمین جلوگیری کرد. در سال­های اخیر بررسی‌های گسترده­ای در زمینۀ پیش­بینی نشست سطحی زمین در اثر حفر تونل انجام شده است. انتخاب روش مناسب به عوامل مختلفی بستگی دارد. نشست سطحی ناشی از حفر تونل با کمک متغیرهای ورودی که تأثیر فیزیکی چشم‌گیری بر نشست دارند، پیش­بینی شده است. برای ساخت مدل­ شبکه­های عصبی از داده­های به­دست آمده از حفر تونل خط 2 متروی مشهد استفاده شده است. نتایج نشان داد که شبکه عصبی پیش­خور که با استفاده از الگوریتم پس انتشار خطا آموزش دیده است و دارای سه لایه با معماری 1-24-7 است، شبکۀ عصبی بهینه ایت. شبکۀ عصبی بهینه دارای ضریب هم‌بستگی و میانگین مربعات خطا برابر با 963/0 و 4-10×41/2 است. هم‌چنین نتایج نشان داد که این شبکۀ عصبی آموزش دیده شده می­تواند برای پیش­بینی نشست سطحی ناشی از حفر تونل به­صورت موفقیت­آمیزی استفاده شود. 
متن کامل [PDF 709 kb]   (1196 دریافت)    
نوع مطالعه: مقاله پژوهشی | موضوع مقاله: ژئوتکنیک (مکانیک خاک و سنگ)
دریافت: 1397/5/27 | پذیرش: 1397/5/27 | انتشار: 1397/5/27

بازنشر اطلاعات
Creative Commons License این مقاله تحت شرایط Creative Commons Attribution-NonCommercial 4.0 International License قابل بازنشر است.