پیش بینی نشست تونل و بهینه سازی با شبکه های عصبی و عصبی فازی
سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 750
فایل این مقاله در 18 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
UPUE03_034
تاریخ نمایه سازی: 25 آذر 1395
چکیده مقاله:
در اثر حفر تونل پدیده ای به نام نشست به وجود می آید که تاثیر آن بر سازه های اطراف از چالشهای اصلی این قبیل مسائل است بنابراین مطالعه وضعیت نشست تونل و درک رفتار تونل از اهمیت ویژه ای برخوردار است هدف از انجام این تحقیق، تحلیل نشست تونل چهل چای و ارائه مدلها و روابطی برای پیش بینی نشست تونل است در این مطالعه، تحلیل نشست با استفاده از روشهای تحلیل عددی، شبکه عصبی، شبکه عصبی فازی و رابطه جدید ارائه شده برای نشست، آنالیز شده است تونل با نرم افزار تفاضل محدود FLAC3D به منظور تخمین نشست سطحی تاج تونل و دیواره های تونل مدلسزای شده است همین طور پروفیل تغییر شکلی طولی تونل نسبت به پیشروی توسط نرم افزار به صورت نمودار کیلومتر 000+40 ارائه شده است. در نرم افزار FLAC3D نقطه شاهد در طول تونل در نظر گرفته شده که در 18 ایستگاه آن مقدار نشست تاج واقعی تونل چهل چای توسط ابزار دقیق اندازه گیری شده است مدلسازی شبک عصبی وعصبی فازی براساس اطلاعات رفتارنگاری 68 داده تونل در جهان، انجام شده و پیش بینی مناسبی با ضریب همبستگی 0/95 برای شبکه عصبی فازی و 0/92 برای شبکه عصبی ارائه داده شده و به همین صورت با استفاده از داده های 52 تونل مختلف توسط جعبه ابزار برازش منحنی به ارائه رابطه حداکثر نشست تاج تونل پرداخته شد که ضریب همبستگی 0/94 برای رابطه ارائه شده، به دست آمد در مدت احداث تونل چهل چای، توسط ابزار دقیق نشست و جابجایی 18 ایستگاه تونل رفتار نگاری و با مقادیر پیش بینیی نشست مقایسه شد و نتایج نشان دادند که می توان با این روشها به پیش بینی مناسب نشست تاج تونل پرداخت.
کلیدواژه ها:
نویسندگان
حامد رهبر هادی بگلو
دانشجوی کارشناسی ارشد گروه عمران واحد تبریز دانشگاه ازد اسلامی تبریز ایران
فریبا بهروز سرند
استادیار گروه عمران و احد تبریز دانشگاه آزاد اسلامی تبریز ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :