بررسي پايداري تونل به روش منحني مشخصه زمين با استفاده از الگوريتم ماشين يادگيري

با توجه به توسعه روز افزون فضاهاي زيرزميني، ارزيابي پايداري و تعيين رفتار توده سنگ از مباحث مهم فضاهاي زير زميني براي ايمني و بهينه سازي پروژه مي باشد. در سال هاي اخير كرنش بحراني به عنوان مهمترين شاخص براي ارزيابي پايداري و مچاله شوندگي تونل مورد توجه قرار گرفته است. در حال حاضر روش هاي مختلفي براي تعيين كرنش بحراني ذات توده سنگ وجود دارد. پارامتر كرنش بحراني يك شاخص است كه اجازه مي دهد تا درجه اي از پتانسيل مچاله شوندگي بر حسب كميت سنجيده شود. از آن به عنوان سطح كرنش در پيرامون تونل كه فراتر از آن باعث بي ثباتي و مشكلات مچاله شوندگي كه به احتمال زياد رخ مي دهد ياد شود. همچنين مقدار كرنش بحراني در ارزيابي پايداري تونل به روش نمودار مشخصه زمين بسيار كاربرد دارد. تاكنون، تلاش هايي بسيار زيادي براي تعيين كرنش بحراني شده است، كه سه روش پر كاربرد در اين مطالعه بيان مي شود. همچنين براي تعيين پتانسيل مچاله شوندگي در همه مطالعات ها كميت مچاله شوندگي 1% بر آورد شده است. با توجه به اينكه نتايج بدست آمده از روش هاي مختلف براي تعيين كرنش بحراني، با استفاده از پارامترهاي متفاوت و نتايج متفاوتي با هم دارند، در اين پژوهش با استفاده از هوش مصنوعي براي دقيق شدن نتايج تلاش مي شود. بدين منظور از الگوريتم هوشمند ماشين يادگيري در نرم‏افزار داده‏كاوي Rapidminer استفاده خواهد شد. در پژوهش حاضر، با جمع آوري اطلاعات ارائه شده از  تونل هاي مختلف در مقالات معتبر، شرايط موجود به سه وضعيت پايدار، نيمه پايدار و ناپايدار تعريف مي شود. خروجي ها ماشين يادگيري شامل رابطه پارامترها بر اساس شرايط موجود در تونل،تاثير هر كدام از پارامترها بر ديگري با توجه به شرايط تونل مي باشد.