طبقه بندی فازی ریسک نشست ناشی از حفاری مکانیزه با ماشین TBM-EPB با استفاده از سیستم استنتاج فازی – عصبی تطبیقی (ANFIS)

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 143

فایل این مقاله در 22 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_TUSE-11-1_005

تاریخ نمایه سازی: 15 اسفند 1401

چکیده مقاله:

پیش بینی و ارزیابی ریسک ناشی از نشست سطح زمین در اثر حفاری مکانیزه با استفاده از سپر EPB از مهمترین بخش های مدیریت ریسک در مدیریت پروژه های تونل سازی می باشد. از اینرو، در این مقاله سعی می گردد طی دو بخش مستقل به این مهم پرداخته شود. در بخش ابتدایی، رقم نشست سطحی زمین ناشی از حفاری مکانیزه با استفاده از دستگاه TBM-EPB بر اساس روش سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) با در نظر گرفتن ده متغیر جامع ورودی شبکه، تخمین زده می شود. سیستم استنتاج فازی – عصبی تطبیقی با در نظر گرفتن هفت تابع عضویت گوسی برای هر یک از ده متغیر ورودی در لایه اول شبکه و همچنین تعریف هفت قانون فازی برای استنتاج خود در لایه دوم شبکه، قادر بوده است متغیر خروجی سیستم که حداکثر نشست سطحی می باشد را با دقت مطلوب و رقم ۰۱۳۲۲/۰ ریشه میانگین مربعات خطا (RMSE) پیش بینی نماید. در بخش دوم مقاله، ریسک ناشی از نشست سطحی در حفاری مکانیزه با استفاده از توابع عضویت گوسی در پنج کلاس مختلف ریسک تحلیل و طبقه بندی فازی می شود. در انتها، طبقه بندی قطعی رده های مختلف ریسک نشست در پژوهش های پیشین و طبقه بندی فازی سطوح مختلف ریسک انجام شده در این تحقیق، قیاس می شوند. طبق نتایج، با تلفیق قضاوت مهندسی فازی منحصر به هر پروژه تونل سازی مشابه و همچنین تحلیل و روش ارائه شده در این مقاله، می توان به تصمیم بهینه کاربردی در مدل ارزیابی ریسک دست یافت.

کلیدواژه ها:

تونل ، ریسک ، نشست زمین ، ماشین TBM-EPB ، سیستم استنتاج فازی – عصبی تطبیقی (ANFIS) ، حفاری مکانیزه

نویسندگان

توحید مقتدر

دانشجوی دکتری؛ گروه مدیریت ساخت و آب، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران

احمد شرافتی

استادیار؛ گروه مدیریت ساخت و آب، دانشگاه آزاد اسلامی، واحد علوم و تحقیقات، تهران

حسین نادرپور

استاد؛ دانشکده ی مهندسی عمران، دانشگاه سمنان

مرتضی قارونی نیک

استادیار؛ دانشکده مهندسی راه آهن، دانشگاه علم و صنعت

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 :
  • Abdellah, W. R., Ali, M., & Yang, H. (۲۰۱۸). Studying ...
  • Addenbrooke, T. I., Potts, D., & Puzrin, A. (۱۹۹۷). The ...
  • Ahangari, K., Moeinossadat, S. R., & Behnia, D. (۲۰۱۵). Estimation ...
  • Ahmadi, M., Naderpour, H., & Kheyroddin, A. (۲۰۱۴). Utilization of ...
  • Assadoulahi, M., & Moomivand, H. (۲۰۲۱). A Critical Analysis of ...
  • Attewell, P. B., & Hurrell, M. (۱۹۸۵). Settlement Development Caused ...
  • Baziar, M. H., Moghadam, M. R., Choo, Y. W., & ...
  • Behro Comprehensive Consulting Engineers Company (Behro.co). (۲۰۲۱). The employer's consultant ...
  • Bouayad, D., & Emeriault, F. (۲۰۱۷). Modeling the Relationship between ...
  • Bouayad, D., Emeriault, F., & Maza, M. (۲۰۱۵). Assessment of ...
  • Chen, R., Meng, F., Li, Z., Ye, Y., & Ye, ...
  • Chen, R., Zhang, P., Wu, H., Wang, Z., & Zhong, ...
  • Chou, J., & Lin, C. (۲۰۱۳). Predicting Disputes in Public-Private ...
  • Dai, H., & Cao, Z. (۲۰۱۷). A Wavelet Support Vector ...
  • Ding, L., Wang, F., Luo, H., Yu, M., & Wu, ...
  • Hamdia, K. M., Lahmer, T., Nguyen-Thoi, T., & Rabczuk, T. ...
  • Huang, H., Gong, V., Khoshnevisan, S., Juang, C. H., Zhang, ...
  • Idinger, G., Aklik, P., Wu, W., & Borja, R. I. ...
  • Karakus, M. (۲۰۰۷). Appraising the Methods Accounting for ۳D Tunnelling ...
  • Karakus, M., & Fowell, R. (۲۰۰۵). Back Analysis for Tunnelling ...
  • Kim, C. Y., Bae, G., Hong, S., Park, C., Moon, ...
  • Kirsch, A. (۲۰۱۰). Experimental Investigation of the Face Stability of ...
  • Kohestani, V. R., Bazargan-Lari, M. R., & Asgari-Marnani, J. (۲۰۱۷). ...
  • Liu, W., Zhai, S., & Liu, W. (۲۰۱۹). Predictive Analysis ...
  • Guglielmetti. V., Grasso, P., Mahtab, A., & Xu, S. (۲۰۰۸). ...
  • Naderpour, H., Kheyroddin, A., & Ghodrati Amiri, G. (۲۰۱۰). Prediction ...
  • Naderpour, H., & Mirrashid, M. (۲۰۲۰). Soft Computing in Civil ...
  • Ng, C. W.W., Hong, Y., & Soomro, M. A. (۲۰۱۵). ...
  • O’Reilly, M. P., & New, B. M. (۱۹۸۲). Settlements above ...
  • Ocak, I., & Seker, S. E. (۲۰۱۳). Calculation of Surface ...
  • Pakbaz, M. S., Imanzadeh, S., & Bagherinia, K. H. (۲۰۱۳). ...
  • Paternesi, A., Schweiger, H. F., & Scarpelli, G. (۲۰۱۷). Numerical ...
  • Peck, R. B. (۱۹۶۹). Deep Excavations and Tunneling in Soft ...
  • Pourtaghi, A., & Lotfollahi-Yaghin, M. A. (۲۰۱۲). Wavenet Ability Assessment ...
  • Chapman, D., Rogers, C., & Hunt, D. (۲۰۰۴). Predicting the ...
  • Qi, C., & Tang, X. (۲۰۱۸). Slope Stability Prediction Using ...
  • Sagaseta, C. (۱۹۸۷). Analysis of Undrained Soil Deformation Due to ...
  • Samui, P., & Sitharam, T. G. (۲۰۰۸). Least-Square Support Vector ...
  • Santos, O. J., & Celestino, T. B. (۲۰۰۸). Artificial Neural ...
  • Shahin, M. A., Maier, H. R., & Jaksa, M. B. ...
  • Shi, H., Yang, H., Gong, G., & Wang, L. (۲۰۱۱). ...
  • Shi, J., Ortigao, J. A. R., & Bai, J. (۱۹۹۸). ...
  • Sun, W., Shi, M., Zhang, C., Zhao, J., & Song, ...
  • Suwansawat, S., & Einstein, H. H. (۲۰۰۶). Artificial Neural Networks ...
  • Verruijt, A., & Booker, J. R. (۱۹۹۸). Surface Settlements Due ...
  • Vorster, T. E., Klar, A., Soga, K., & Mair, R. ...
  • Zhang, L., Wu, X., Ji, W., & AbouRizk, S. M. ...
  • Zhang, L., Wu, X., Zhu, H., & AbouRizk, S. M. ...
  • Zhang, W. G., Li, H. R., Wu, C. Z., Li, ...
  • Zhang, Z., & Huang, M. (۲۰۱۴). Geotechnical Influence on Existing ...
  • Zoveidavianpoor, M. (۲۰۱۴). A Comparative Study of Artificial Neural Network ...
  • نمایش کامل مراجع