حامد زارعی - دانشجوی کارشناسی ارشد رشته مهندسی ژئوتکنیک، موسسه آموزش عالی شمس، گنبد کاووس
مهدیس دامغانی - دانشجوی کارشناسی ارشد رشته مهندسی هیدرولیک، پردیس بین الملل دانشگاه فردوسی مشهد
مسعود قائمی - دانشجوی دکترا، گروه مهندسی سپاسد، مربی موسسه آموزش عالی شمس
کاوه آهنگری - استادیار، گروه مهندسی معدن، دانشکده مهندسی معدن، دانشگاه - آزاد اسلامی واحد علوم و تحقیقات

روش های تجربی، تحلیلی و عددی گوناگونی برای پیش بینی همگرایی تونل موجود است. یکی از این روشها، پیش بینی همگرایی تونل با استفادهاز شبکه های عصبی مصنوعی ((Artificial Neural Networks (ANNs) می باشد. حوزه کاربرد این شبکه ها آنچنان گسترده است که ازکاربردهای طبقه بندی گرفته تا کاربردهایی نظیر درونیابی، تخمین، آشکارسازی و ... را شامل می شود . در این تحقیق با استفاده از داده هایژئومکانیکی که شامل 16 پارامتر متغیر از ویژگی های توده سنگ محدوده تونل می باشند به عنوان ورودی و نتایج رفتارنگاری تونل های مختلفبه عنوان خروجی، در یک شبکه عصبی، آموزش و اعتبارسنجی می شوند. سپس در شبکه آموزش دیده، میزان همگرایی ایستگاه های مختلف تونلانتقال آب چهل چای پیش بینی می شود. در پایان، نتایج بدست آمده از شبکه عصبی مصنوعی، با همگرایی های قرائت شده ایستگاه های مختلف اینتونل و همچنین مدلسازی تونل چهل چای با روش عددی المان مجزا 3DEC ، مقایسه شده اند.

شبکه های عصبی مصنوعی؛ همگرایی؛ تونل انتقال آب چهل چای؛ 3DEC