آنالیز حساسیت جامع در پیش بینی نشست سطحی ناشی از فرآیند تونل‌سازی مکانیزه

آنالیز حساسیت جامع یک ابزار مفید و کاربردی برای شناسایی عدم قطعیت پارامترهای ورودی می‌باشد که به طور گسترده در علوم مختلف از جمله شبیه ‌سازی مهندسی مورد استفاده قرار می‌گیرد. آنالیز حساسیت یکی از مراحل اساسی ساخت متا مدل یا مدل جایگزین است که با شناسایی پارامترهای موثر در امر تونل‌سازی باعث کاهش زمان و میزان محاسبات لازم می‌شود. در این تحقیق آنالیز حساسیت بر روی پارامترهای ژئوتکنیکی و عملیاتی ساخت تونل با ماشین حفاری مکانیزه از نوع تعادلی فشار زمین در خاک انجام شده است. به همین منظور فرآیند حفاری تونل با استفاده از روش تفاضل محدود در نرم افزار flac^ 3d  به صورت سه بعدی مدل شد و مدل عددی ساخته شده با استفاده از داده مانیتورینگ حاصل از مسیر شرقی- غربی خط 7 مترو تهران اعتبارسنجی گردید. سپس با استفاده از روش تاثیر مقدماتی morris، آنالیز حساسیت بر روی 6 پارامتر ورودی انجام و 3 پارامتر فشار سینه‌کار، وزن مخصوص و چسبندگی لایه‌ی خاکی که تونل در آن حفر شده است، به عنوان پارامترهای موثر و حساس در نتیجه نهایی شبیه ‌سازی که در این تحقیق نشست سطحی حداکثر می‌باشد، انتخاب شد. در ادامه تعداد 100 عدد نمونه تصادفی برای پارامترهای موثر با استفاده از روش فرامکعب لاتین تولید و بعد از شبیه ‌سازی عددی برای آن‌ها، با استفاده از شبکه عصبی مصنوعی نشست سطحی حداکثر پیش بینی شد. نتایج پیش بینی با متا مدل شبکه عصبی مصنوعی و مدل عددی ساخته شده با داده در فاز طراحی حدود 98% تطابق نشان دادند.

global sensitivity analysis in the surface settlement prediction caused by mechanized tunneling

global sensitivity analysis is one of the beneficial and useful tools to identify the uncertainty of input variables that has been extremely investigated in different science such as simulations. sensitivity analysis is an essential step in the production of a meta-model, which by identifying effective parameters in tunneling, reduces the time and computations required. in this paper, sensitivity analysis was carried out on geotechnical and operational parameters of epb mechanized tunneling in soft soil. so, the tunneling processes were modeled using a finite difference method in flac 3d software, and the numerical model was validated by the monitoring data obtained from the east-west route of the tehran metro 7 line. the sensitivity analysis by using the elementary effect morris method was performed on the 6 input parameters and three parameters (face pressure, specific gravity and cohesion of the soil layer in which the tunnel was excavated) were selected as effective and sensitive parameters in the maximum surface settlement. then to construct the meta-model, 100 samples were generated from effective parameters using the latin hypercube method. after numerical simulation for each sample, the simulation results were used for surface settlement prediction by using an artificial neural network.  the results showed that the prediction of the meta-model based on the artificial neural network and the numerical model for the data in the design phase corresponded about 98%.