Index
ورود کاربر
Telegram RSS ارسال به دوستان نسخه چاپی ذخیره خروجی XML خروجی متنی خروجی PDF
کد خبر : 155155
تاریخ انتشار : 25 اردیبهشت 1390 0:0
تعداد مشاهدات : 83

پژوهشگران دانشگاهي به روشي پايدار در سيستم ميخكوبي حفاظت از ديواره گودبرداري دست يافتند

خبرگزاري دانشجويان ايران - تهران: پژوهشگران گروه خاک و پي دانشکده مهندسي عمران -محيط زيست دانشگاه تربيت مدرس طي تحقيقي به بررسي روشهاي پايدار مورد استفاده در سيستم ميخکوبي براي حفاظت از ديواره گودبرداري در محيطهاي شهري، پرداختند. به گزارش سرويس پژوهشي ايسنا، پايدارسازي ديواره گودبرداري عميق و نيمه عميق در محيط شهري يکي از زمينه هاي مطالعاتي است که با توجه به کمبود فضاي شهري و نياز به گودبرداري جهت ايجاد محل توقف اتومبيل يا ايجاد فضاي مناسب جهت کاربري انبار در مراکز تجاري از اهميت ويژه اي برخوردار است. مهندس هادي مومني، کارشناس ارشد عمران- خاک و پي، ضمن بيان اين مطلب به سيستم ميخکوبي، به عنوان يکي از پرکاربردترين و مناسب ترين روش هاي پايدارسازي ديواره گودبرداري شهري اشاره کرد و افزود: روش هاي گوناگوني جهت پايدارسازي ديواره گود ابداع شده که با توجه به خصوصيات پروژه، نوع خاک، مشخصات سازه هاي اطراف گود و درجه اهميت آن ها و همچنين اقتصادي بودن روش پايدارسازي و ساير پارامترهاي دخيل در پروژه، يک نوع سيستم خاص را در خصوص هر پروژه لازم الاجرا مي كند. با توجه به تجارب گذشته در سطح دنيا و همچنين ويژگي هاي منحصر به فرد سيستم ميخکوبي، يکي از پرکاربردترين و مناسب ترين روش پايدارسازي ديواره گودبرداري عميق و نيمه عميق شهري است. وي در ادامه در خصوص ضرورت انجام اين پروژه تحقيقاتي گفت: با بررسي هاي صورت گرفته بر روي پروژه هاي بزرگ اجرا شده در شهر تهران، مشخص شد که عموما طراحي و تحليل سيستم ميخکوبي، زمانبر و پرهزينه است و نتايج اين تحليل ها به شدت به پارامترهاي ژئوتکنيکي وابسته است و همچنين مقادير و مشخصات اندازه گيري شده از محل پروژه با مقادير پيش بيني شده در تحليل ها و نرم افزارها تفاوت داشته و عموما تحليل ها مقادير بيشتري در جهت اطمينان نشان مي دهند. از اين رو نياز به انتخاب روش تحليلي مناسب به گونه اي که مستقل از مدل هاي رفتاري و روش مدلسازي باشد، وجود دارد. بنابراين شبکه عصبي مصنوعي که توانايي ايجاد روابط غير خطي در بين ورودي ها و عدم لحاظ هرگونه فرض ساده کننده را داراست، به عنوان يک راهکار، مورد بررسي قرار گرفته و زمينه ايجاد اين تحقيق شده است. مجري اين طرح پژوهشي تشريح کرد: بانک اطلاعات وسيعي از پروژه هاي اجرا شده و يا در حال اتمام در شهر تهران جهت انجام اين تحقيق گردآوري شد. در اين تحقيق دو نوع شبکه عصبي متفاوت چند لايه پرسپترون، نروفازي استفاده شد. در تمامي مدل ها سعي شد که از پارامترهايي به عنوان پارامتر ورودي استفاده شود که اولا بيشترين تاثير را بر روي پارامتر خروجي شبکه داشته باشند و ثانيا تعيين اين پارامترها مستلزم انجام آزمايشات سنگين و يا صرف هزينه و زمان زياد نباشد. در نهايت در تمامي آن ها از 4 پارامتر ورودي و يك پارامتر خروجي بهره گرفته شد. شبکه هاي چند لايه پرسپترون از ساختارهاي متفاوت يک، دو و سه لايه پنهان با تعداد متناوب نورون شکل گرفته اند که در نهايت با مقايسه شاخص هاي خطا مناسبترين ساختار شبکه مصنوعي معرفي شد. شبکه هاي نروفازي نيز در دو نوع مختلف در تعداد متفاوت استفاده شد و موفق ترين مدل ها نيز به همراه نتايج تحليلي ارائه شد. در انتها ساختار بهينه و مدل شبکه نروفازي منتخب، در برابر داده هاي تجربه نشده قرار گرفت و موفقيت قابل قبولي در تعميم و شبيه سازي از خود نشان داد. مطابق آنچه در اين پژوهش نتيجه گرفته شده، مشخص شد که شبکه هاي چند لايه پرسپترون قابليت بيشتري نسبت به شبکه هاي نروفازي داشته و شبکه پايدارتري هستند. اين پژوهش با راهنمايي دکتر شهاب الدين يثربي و مشاوره دکتر علي اکبر گلشني از اعضاي هيات علمي دانشگاه تربيت مدرس انجام شده است.