پیش بینی نشست سطح زمین در اثر حفر تونل های سطحی با استفاده از شبکه عصبی مصنوعی و مدل سه بعدی تونل در نرم افزار abaqus

در شهر های بزرگ استفاده از خطوط مترو، یکی از مهم ترین روش های حمل و نقل به حساب می آید و با توجه به اینکه معمولاً خطوط مترو در نزدیکی سطح زمین قرار گرفته اند و خاک در این منطقه آبرفتی و دارای مقاومت و چسبندگی کمی می باشند، ایجاد یک فضای خالی در خاک، سبب جابجایی در خاک، انتقال آن به سطح زمین و نشست سطح زمین می شود. زمانی که این نشست به بیش از 10 میلی متر برسد، احتمال آسیب رسیدن به ساختمان ها بیشتر گردیده، از این رو پیش بینی نشست سطح زمین در اثر حفاری های سطحی از اهمیت به سزایی برخوردار است. دهه ی اخیر، در ایران توجه خاصی به توسعه خطوط مترو در شهر هایی چون تهران، مشهد، تبریز، شیراز، اصفهان و ... شده است که طول قابل ملاحظه ای از این خطوط در زیر سطح زمین قرار گرفته است از این رو حفر تونل های مورد نیاز در این خطوط سبب جابجایی خاک اطراف تونل و نشست سطح زمین می گردد. بنابراین پیش بینی نشست سطح زمین در این خطوط امری بسیار مهم می باشد تا اقدامات لازم قبل از حفاری جهت کاهش میزان خسارات جانی و مالی انجام پذیرد. روش های مختلفی جهت برآورد و پیش بینی نشست سطح زمین در اثر حفر تونل وجود دارد که عبارتند از: 1- روش تجربی 2- روش آزمایشگاهی 3- روش عددی 4- شبکه عصبی مصنوعی، روش تجربی که بر اساس ساده سازی در روابط مورد نظر جهت اندازه گیری جابجایی سطح زمین در اثر حفر تونل شامل پارامترهای هندسی تونل و مورد استفاده در شرایط محدود از لحاظ هندسه و شرایط خاص ژئوتکنیکی می باشد، روش آزمایشگاهی که بر اساس ساخت مدلی مشابه با واقعت و اعمال شتاب گرانشی به دست آمده از عملیات آنالیز ابعادی با استفاده از دستگاه سانتریفوژ قرار گرفته است. در حقیقت دستگاه سانتریفیوژ ابزاری ساده برای تولید شتاب گرانشی در یک مدل کوچک است، با توجه به اینکه در اغلب موارد با هندسه و خواص پیچیده تحت بارگذاری های نامنظم روبرو بوده استفاده از روش های کلاسیک سبب یافتن معادلات بسیار پیچیده که حل آن ها به روش تحلیلی غیر ممکن می باشد سبب به وجود آمدن روش های عددی متنوع همانند اجزا محدود، تفاضل محدود و ...شده است و در پایان روش شبکه عصبی مصنوعی که بر پایه پردازش بر روی داده های واقعی و یافتن قانون نهفته در ورای داده های ورودی و انتقال آن به شبکه بنا شده است. این تحقیق با جمع آوری اطلاعات به دست آمده از عملیات اندازه گیری نشست سطح زمین مربوط به قسمتی از مسیر خط 2 متروی مشهد، خط 7 متروی تهران که با روش t.b.m و خط 1 متروی تبریز که با روش natm و tbm حفاری شده است، اقدام به طراحی شبکه عصبی مصنوعی بهینه جهت پیش بینی حداکثر نشست سطح زمین و با ساخت مدل سه بعدی قسمتی از مسیر تونل خط 2 متروی مشهد با استفاده از نرم افزار abaqus 6.11، به بررسی عوامل موثر بر میزان نشست سطح زمین در اثر حفر تونل، پرداخته است.