خلاصه
شفت های دایره ای به طور گسترده در ساخت زیرساخت های زیرزمینی شهری مورد توجه قرار می گیرند و پایداری آنها ضروری است. عدم قطعیت و تصادفی در خواص خاک همیشه وجود دارد، بنابراین تجزیه و تحلیل های احتمالی اجازه می دهد تا نتایج قابل اعتمادتری نسبت به نتایج قطعی به دست آوریم. در این مطالعه، یک رویکرد احتمالی SPAA مبتنی بر مدل بهینهسازی جستجوی اتم (ASO) – شبکه عصبی مصنوعی (ANN)، برای تجزیه و تحلیل پایداری شفتهای دایرهای با توجه به متغیرهای پارامترهای خاک پیشنهاد شدهاست. تجزیه و تحلیل قطعی توسط یک تحلیل حد المان محدود انجام می شود. مدل جایگزین ASO-ANNبا همگرایی خود تطبیقی کارایی بالایی دارد. می تواند جایگزین شبیه سازی های عددی وقت گیر شود. نمونههای اولیه با روش نمونهبرداری Hypercube لاتین تولید میشوند و غنیسازی نمونههای تکراری امکان جستجوی معرفترین نقاط برای ساخت مدل ASO-ANN را میدهد. سپس شبیهسازی مونت کارلو و تحلیل حساسیت جهانی برای ارائه چندین نتیجه ارزشمند انجام میشود که شامل احتمال شکست، تابع چگالی احتمال، تابع توزیع تجمعی، لحظههای آماری پاسخ سیستم و شاخص حساسیت هر متغیر تصادفی است. سپس دو مورد متغیر تصادفی کمبعد و یک مسئله میدان تصادفی با ابعاد بالا بر اساس رویکرد SPAA ترکیبی پیشنهادی در نظر گرفته شده و مورد بحث قرار میگیرند.
معرفی
ساخت و سازهای زیرزمینی در سال های اخیر به سرعت توسعه یافته اند تا ازدحام ترافیک و کمبود زمین سطح زمین را کاهش دهند. حفاری ها نقش حیاتی در ساخت و سازهای زیرزمینی ایفا می کنند زیرا می توانند به عنوان ایستگاه های مترو، سیستم های تهویه یا خروجی های اضطراری عمل کنند [1]، [2]، [76]. دو نوع حفاری عمودی، که با مقاطع مستطیلی و دایرهای شکل هستند، همانطور که در شکل 1 (الف) و (ب) نشان داده شده است، در عمل رایج هستند. حفاریهای دایرهای شکل عمودی (شفتهای دایرهای) به دلیل سفتی ساختاری بالا از طریق نیروهای حلقهای که میتواند ذاتاً آنها را سختتر از مقطع مستطیلی کند، محبوبیت فزایندهای دارند. سپس میتوان تقویتکنندههای عناصر سازهای (مانند پایهها یا لنگرها) را کاهش داد و راندمان ساختوساز را میتوان به طور قابل توجهی بهبود بخشید [3]. بعلاوه، تاریخچه های موردی همچنین نشان می دهد که شفت های دایره ای معمولاً به نشست های کوچک تری نسبت به مستطیل شکل منجر می شوند که می تواند آسیب های سازه های مجاور را بیشتر به حداقل برساند [4]. چندین مطالعه نسبی انجام شد و هنگام تأیید حالت حد نهایی، پایداری افزایش پایه یک مسئله مهم است [5]، [6]، [7]، [8]، [9]. علاوه بر این، در مهندسی عملی، حتی اگر ضریب ایمنی افزایش شفت پایه محاسبه شده (F s ) بزرگتر از مقادیر مشخص شده در کدهای طراحی است. دلیل آن این است که عدم قطعیت و تصادفی بودن ویژگی های خاک ناشی از شرایط پیچیده زمین شناسی و تغییرات ذاتی، همیشه وجود دارد. بنابراین، تحلیل قطعی ممکن است پایداری حفاری را دست کم یا بیش از حد برآورد کند [10]، [11]. برعکس، تحلیلهای احتمالاتی که میتوانند عدم قطعیتهای پارامتر را در نظر بگیرند، برای ارزیابی پایداری حفاری ترجیح داده میشوند [12]، [13]، [14].
تحلیلهای احتمالی پایداری افزایش ارتفاع پایه شفتهای دایرهای در مقایسه با کاوشهای مستطیلی شکل در ادبیات [2]، [7]، [13]، [15] کمتر مورد بحث قرار گرفته است. توضیحات احتمالی شامل این است که شبیهسازیهای عددی برای تحلیل پایداری شفت دایرهای قطعی ضروری هستند. در حالی که مستطیل شکل را می توان با روش های تحلیلی ساده تحلیل کرد [16]. علاوه بر این، تحلیلهای احتمالی با استفاده از روشهای شبیهسازی (مانند شبیهسازی مونت کارلو (MCS)) نیاز به ارزیابیهای زیادی دارد که بدون شک یک بار محاسباتی قوی را تحمیل میکند [8]. روش دیگر، روشهای تقریب (مانند روش قابلیت اطمینان مرتبه اول (FORM)) میتوانند تقریبی از شاخص قابلیت اطمینان را با هزینه نسبتاً پایین ارائه دهند. با این حال، دقت برای موارد سطحی حالت حدی غیرخطی محدود است. مانند مسائل تصادفی با ابعاد بالا [17]، [18]. بنابراین، بهبود دقت و کارایی برای تحلیلهای پایداری شفت دایرهای احتمالی (یعنی تحلیل احتمالی با فراخوانی نسبتاً کمی به شبیهسازیهای عددی و دقت تضمینشده) ضروری است.
تکنیکهای فرامدلسازی (مانند بسطهای کریجینگ و چندجملهای آشوب) که امکان ساخت یک متامدل با ارزیابی سریع از یک مدل عددی اصلی گران قیمت را فراهم میکنند، میتوانند شبیهسازیهای قطعی لازم را کاهش دهند [7]، [8]، [19]، [20]. روش دیگر، یادگیری ماشین در مهندسی ژئوتکنیک به دلیل کارایی و انعطاف پذیری بالا مورد توجه قرار گرفته است [21]، [22]، [75]. چندین مطالعه با استفاده از ANN برای تجزیه و تحلیل پایداری احتمالی کارهای ژئوتکنیکی انجام شد [23]، [24]، [25]، [26]، [27]. با این حال، آنها اغلب تعداد شبیه سازی را از قبل تعیین می کنند و هزاران شبیه سازی اغلب برای اطمینان از دقت مدل ANN در نظر گرفته می شود، که نمی تواند به طور قابل توجهی تلاش های محاسباتی را کاهش دهد. چو [28] و لو و همکاران. [29] رویههای احتمالی تکراری را بر اساس مدلهای ANN پیشنهاد کردند و تکرارها را میتوان با شروع همگرا شدن نتایج احتمالی متوقف کرد. روشهای تطبیقی میتوانند نتایج احتمالی را با حداقل شبیهسازیهای قطعی و دقت تضمینشده ارائه کنند که کارایی برنامههای ANN را در مهندسی ژئوتکنیک بهبود میبخشد. با این حال، هنوز دو جنبه وجود دارد که می تواند بیشتر بهبود یابد، که عبارتند از: (1) این روش را می توان فقط در موارد کم بعدی در نظر گرفت (تعداد متغیرهای تصادفی < 20) و برای مسائل با ابعاد بالا (مانند تصادفی) محدود است. مورد میدانی). این به این دلیل است که از مدل ANN برای تقریب سطح حالت حد واقعی استفاده شد و سپس روش تقریب (FORM) برای تعیین شاخص قابلیت اطمینان انجام شد. ذکر شده است که برای مسائل با ابعاد بالا، روش های تقریب به دلیل وجود سطوح پیچیده غیرخطی حالت حدی غیر قابل اعتماد می شوند [18]. برای جلوگیری از محدودیت های بعدی، ترکیب ANN و MCS خام در این مطالعه انجام شده است. (2) مطالعات موجود اغلب از روشهای یادگیری ماشینی پایه استفاده میکنند. با توسعه علوم کامپیوتر، روش های ترکیبی جدید را می توان برای بهبود کارایی و پایداری محاسبات به کار برد. روش بهینه سازی جستجوی اتم (ASO)-ANN در این مطالعه معرفی و پیاده سازی شده است که همگرایی و کارایی انطباقی بهتری را در بهینه سازی پارامترهای شبکه عصبی نشان می دهد [30]. ترکیبی از ANN و MCS خام در این مطالعه انجام شده است. (2) مطالعات موجود اغلب از روشهای یادگیری ماشینی پایه استفاده میکنند. با توسعه علوم کامپیوتر، روش های ترکیبی جدید را می توان برای بهبود کارایی و پایداری محاسبات به کار برد. روش بهینه سازی جستجوی اتم (ASO)-ANN در این مطالعه معرفی و پیاده سازی شده است که همگرایی و کارایی انطباقی بهتری را در بهینه سازی پارامترهای شبکه عصبی نشان می دهد [30]. ترکیبی از ANN و MCS خام در این مطالعه انجام شده است. (2) مطالعات موجود اغلب از روشهای یادگیری ماشینی پایه استفاده میکنند. با توسعه علوم کامپیوتر، روش های ترکیبی جدید را می توان برای بهبود کارایی و پایداری محاسبات به کار برد. روش بهینه سازی جستجوی اتم (ASO)-ANN در این مطالعه معرفی و پیاده سازی شده است که همگرایی و کارایی انطباقی بهتری را در بهینه سازی پارامترهای شبکه عصبی نشان می دهد [30].
در این مطالعه، یک روش احتمالی مبتنی بر ASO-ANN (SPAA) در اصل پیشنهاد شده است و برای اولین بار در تجزیه و تحلیل پایداری شفت دایرهای به کار گرفته شده است. مجموعههای نمونهگیری آموزنده در ابتدا توسط نمونهبرداری Hypercube Latin (LHS) تولید میشوند و با انتخاب نقاطی که احتمالاً بهعنوان خرابی یا ایمن ارزیابی میشوند، غنیسازی میشوند. سپس مدل ASO-ANN بر اساس مجموعههای ورودی-خروجی ساخته میشود و MCS و آنالیز حساسیت جهانی (GSA) برای ارائه چندین نتیجه احتمالی ارزشمند پیادهسازی میشوند. سپس رویکرد SPAA پیشنهادی برای 3 مورد پایداری شفت دایرهای اعمال میشود که هم مشکلات تصادفی کمبعد و هم با ابعاد بالا را پوشش میدهد. مقایسهها با سایر روشهای موجود، از جمله شبیهسازی زیرمجموعه (SS)، کریجینگ آشوب چند جملهای (PCK)-MCS، PCK-FORM و گسترش هرج و مرج چند جملهای پراکنده (SPCE)-MCS انجام میشود. سهم عمده این کار در مقایسه با مطالعات قبلی عبارتند از: (1) تغییرات واقعی پارامترهای خاک در نظر گرفته شده است. (2) رویکرد پیشنهادی هیبریدی SPAA اجازه می دهد تا انواع مختلفی از نتایج موجود، از جمله احتمال شکست (P f )، تابع چگالی احتمال (PDF)، تابع توزیع تجمعی (CDF)، گشتاورهای آماری پاسخ سیستم و شاخصهای حساسیت، با تضمین صحت و کارایی نتایج. (3) شاخص های حساسیت پارامترهای در نظر گرفته شده بر روی پایداری شفت برآورد شده است که برای طراحی و ساخت در مهندسی عملی مفید است.
قطعات بخش
اهمیت
شفت های دایره ای در ساخت و ساز زیرساخت های زیرزمینی، به ویژه در مواردی که فضای محدود یا شرایط زمین نامطلوب وجود دارد، توجه زیادی را به خود جلب می کنند [3]. آنها برای پارکینگ های زیرزمینی [31]، ایستگاه های مترو [32]، ناهار دستگاه حفاری تونل و پروژه های زیرساخت برق [3]، [33]، [34]، [35]، [36] ساخته شده اند. تجزیه و تحلیل پایداری افزایش پایه برای شفت های دایره ای برای جلوگیری از آسیب به زیرساخت های مجاور قابل توجه است. برای اطمینان از پایداری شفت
رویکرد هیبریدی SPAA پیشنهادی
این بخش روش تحلیل احتمالی نمونه پیشنهادی SPAA را از طریق نمودار جریان معرفی میکند. اصل روش ASO-ANN و تعیین داده های اولیه به تفصیل بیان شده است.
کاربرد و اعتبار سنجی SPAA
در این بخش، تحلیلهای احتمالی با استفاده از رویکرد SPAA پیشنهادی، با در نظر گرفتن موارد مختلف انجام میشود: 1) پایداری شفت دایرهای تخلیهشده در برابر بالابردن هیدرولیکی. 2) پایداری شفت دایره ای زهکشی نشده در خاک های غیر همگن. 3) پایداری شفت دایره ای با در نظر گرفتن تنوع فضایی خاک. نتایج مورد بحث قرار گرفته و با نتایج قبلی مقایسه می شود تا اثربخشی رویکرد SPAA پیشنهادی را تأیید کند. خاطرنشان می شود که��_�=1در این مطالعه در نظر گرفته شده است.
یک محور متقارن
بحث
هدف این بخش ارائه برخی بحث ها در مورد عملکرد SPAA، و اهمیت در نظر گرفتن تنوع فضایی است.
نتیجه
این مطالعه یک رویکرد تجزیه و تحلیل احتمالی نمونه-عاقلانه به نام SPAA برای تجزیه و تحلیل پایداری ارتفاع پایه شفتهای دایرهای پیشنهاد کرد. مدل قطعی با استفاده از تحلیل حد المان محدود (FELA) انجام شده است. برای تجزیه و تحلیل احتمالی، از نمونه برداری لاتین Hypercube (LHS) برای ارائه نقاط نمونه برداری اولیه استفاده می شود. سپس مدل شبکه عصبی مصنوعی (ANN) مبتنی بر بهینهسازی جستجوی اتم ترکیبی (ASO) با تنظیم نورونهای لایه پنهان ساخته میشود.
دیدگاه خود را بنویسید