آناليز حساسيت جامع در پيش بيني نشست سطحي ناشي از فرآيند تونل‌سازي مكانيزه

Global Sensitivity Analysis in the Surface Settlement Prediction Caused by Mechanized Tunneling

آناليز حساسيت جامع يك ابزار مفيد و كاربردي براي شناسايي عدم قطعيت پارامترهاي ورودي مي‌باشد كه به طور گسترده در علوم مختلف از جمله شبيه ‌سازي مهندسي مورد استفاده قرار مي‌گيرد. آناليز حساسيت يكي از مراحل اساسي ساخت متا مدل يا مدل جايگزين است كه با شناسايي پارامترهاي موثر در امر تونل‌سازي باعث كاهش زمان و ميزان محاسبات لازم مي‌شود. در اين تحقيق آناليز حساسيت بر روي پارامترهاي ژئوتكنيكي و عملياتي ساخت تونل با ماشين حفاري مكانيزه از نوع تعادلي فشار زمين در خاك انجام شده است. به همين منظور فرآيند حفاري تونل با استفاده از روش تفاضل محدود در نرم افزار FLAC 3D به صورت سه بعدي مدل شد و مدل عددي ساخته شده با استفاده از داده مانيتورينگ حاصل از مسير شرقي- غربي خط 7 مترو تهران اعتبارسنجي گرديد. سپس با استفاده از روش تاثير مقدماتي Morris، آناليز حساسيت بر روي 6 پارامتر ورودي انجام و 3 پارامتر فشار سينه‌كار، وزن مخصوص و چسبندگي لايه‌ي خاكي كه تونل در آن حفر شده است، به عنوان پارامترهاي موثر و حساس در نتيجه نهايي شبيه ‌سازي كه در اين تحقيق نشست سطحي حداكثر مي‌باشد، انتخاب شد. در ادامه تعداد 100 عدد نمونه تصادفي براي پارامترهاي موثر با استفاده از روش فرامكعب لاتين توليد و بعد از شبيه ‌سازي عددي براي آن‌ها، با استفاده از شبكه عصبي مصنوعي نشست سطحي حداكثر پيش بيني شد. نتايج پيش بيني با متا مدل شبكه عصبي مصنوعي و مدل عددي ساخته شده با داده در فاز طراحي حدود 98% تطابق نشان دادند.

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%.