بررسی عددی نشست سطح زمین در تونل زنی دایره ای تحت اثر همزمان تغییرات مشخصات هندسی تونل و مکانیکی خاک در محیط اشباع و پیش بینی آن در شبکه عصبی مصنوعی

ساخت تونل های زیرزمینی، مشکلات ایجاد شده به سبب این ساخت وساز، در اطراف تونل و یا نزدیک به سطح زمین همواره مورد توجه بوده است. تغییرشکل و نشست سطح زمین به سبب عملیات تونل زنی و همچنین جابجایی تاج، دیواره ها و کف تونل از جمله عوامل ناپایدارکننده تونل به حساب می آیند. با توجه به اهمیت موضوع، محققین زیادی بر روی شکل و نوع جابجایی سطح زمین و مقدار آن با توجه به عوامل مختلف بحث نموده اند، با این وجود هنوز رابطه ای دقیق برای پیش بینی نشست سطح زمین با در نظر گرفتن تمامی پارامترهای موثر از جمله پارامترهای هندسی تونل و مکانیکی خاک، ارائه نشده است. در این پژوهش به بررسی عددی و پارامتریک نشست سطح زمین، در محیط خاک اصطکاکی چسبنده و در محیط اشباع صورت می گیرد، با بهره گیری از روش تحلیل المان محدود در نرم افزار abaqus، پرداخته شده است. با در نظر گرفتن مقادیر مختلف عمق به قطر تونل در شرایط مختلف برای چسبندگی خاک، زوایای اصطکاک داخلی و ضرایب نفوذپذیری و تغییرات همزمان آنها ، تاثیر این متغیرها روی نشست سطح زمین مورد بررسی قرارگرفته است. سپس با استفاده از ایجاد شبکه عصبی مصنوعی از نوع پرسپترون چندلایه در نرم افزار matlab، و با استفاده از نتایج تحلیل نرم افزار آباکوس به عنوان ورودی شبکه، به پیش‌بینی مقادیر نشست سطح زمین در سایر حالات پرداخته شده است. در نهایت، پتانسیل قابل توجه شبکه عصبی با مقدار ضریب همبستگی 0.98 در پیش بینی مقادیر نشست نشان داده شدهاست.

Numerical investigation of ground surface settlement due to circular tunnelling influenced by variations of geometric characteristics of tunnel and mechanical properties of saturated soil and its prediction in the artificial neural network

The settlement of the ground surface due to tunneling are considered as tunnel instability factors, as well as the displacement of the crown of the tunnel. Considering the importance of the subject, numerous research have been discussed but not considered on the effect of shape and type of ground surface settlement and its magnitude with respect to different factors. However, there is still no accurate equation to predict ground surface settlement, considering all effective parameters, including geometrical parameters of tunnel section and soil mechanical properties. In this paper, some numerical and parametric analysis of circular tunneling in frictionalcohesive saturated soil has been investigated using 2D FEM by ABAQUS. The behavior of ground surface, considering to change the different values of depth to diameter ratio(H/D), soil cohesion, internal friction angle and permeability coefficient, and the influence of these variables on settlement of surface in each model have been separately evaluated. Then, a multilayer perception (MLP) artificial neural network is designed to predict the ground surface settlement. MLP is a type of feedforward artificial neural network utilizing back propagation technique for training phase and the LevenbergMarquardt method are used to reduce the errors and distance between the network outputs and finite element method results. There are four independent variables in the input layer and a dependent variable in the output layer. The middle layer consists of 7 neurons. Finally, the high potential of the artificial neural network with a correlation coefficient of 0.98 is shown in the prediction of ground surface settlement.