بررسی نشست محیط پیرامون گود زیرگذر شهید باقدرت شهر کرمان تحت اثر تغییرات مشخصات مکانیکی خاک و دبی پمپاژ آب و پیش‌بینی آن در شبکه عصبی مصنوعی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 معاون سازمان پسماند شهرداری کرمان

2 استادیار؛ بخش مهندسی، دانشکده مهندسی عمران، عمران گرایش خاک و پی، دانشگاه آزاد اسلامی واحد کرمان

3 عضو هیات علمی دانشگاه آزاد اسلامی واحد کرمان و مدیرکل توسعه مدیریت منابع دانشگاه آزاد اسلامی کشور ایران

چکیده

با توجه به بلندمرتبه‌سازی و ساخت تقاطع‌های زیرگذر و همچنین به علت شتاب گرفتن ساخت‌وساز ساختمان‌های بلند در اکثر کلان‌شهرها گودبرداری‌های عمیق و غیر عمیق همواره مزایا و معایبی را برای مهندسین به همراه دارد. در هنگام ساخت‌وساز زیرگذرهایی که پایین‌تر از سطح آب زیرسطحی واقع‌شده‌اند هیچ مسئله‌ای به‌اندازه وجود آب نمی‌تواند موجب اختلال درروند اجرایی پروژه گردد، به دلیل این مشکل در پروژه زیرگذر شهید باقدرت شهر کرمان برای کاهش آب زیرسطحی روش‌های مختلفی موردبررسی قرار گرفت درنهایت با توجه به شواهد مستندات علمی معتبر، استفاده از چاه پمپاژ و هدایت به محل پیش‌بینی‌شده جهت تخلیه و پایداری سازی گود با نیلینگ موردتایید قرار گرفت. این پژوهش ابتدا مدلسازی عددی زیرگذر شهید باقدرت شهر کرمان با کمک روش اجزا محدود با استفاده از نرم‌افزار Plaxis2D صورت گرفته و با تغییر مشخصات مکانیکی خاک شامل زاویه اصطکاک داخلی، چسبندگی و ضریب نفوذپذیری خاک و همچنین دبی پمپاژ خروجی، میزان نشست قائم حداکثر پیرامون لبه گود محاسبه گردید و تحلیل لازم در این خصوص انجام پذیرفت. نتایج نشان داد که افزایش زاویه اصطکاک داخلی و چسبندگی و ضریب نفوذپذیری خاک باعث کاهش نشست و افزایش دبی پمپاژ باعث افزایش نشست خاک شد. سپس با استفاده از شبکه عصبی مصنوعی از نوع پروسپترون چندلایه در نرم‌افزار MATLAB و داده‌های نرم‌افزار پلکسیس به‌عنوان ورودی شبکه به پیش‌بینی مقادیر نشست محیط پیرامون گود در سایر حالات پرداخته‌شده است. درنهایت شبکه عصبی مصنوعی با مقدار ضریب همبستگی 0.982 به دست آمده است که نشان دهنده دقت و قدرت پیش بینی دقیق مقادیر واقعی می باشد.

کلیدواژه‌ها

عنوان مقاله [English]

Investigation of the environment around the deep of Shahid Baqdrat underpass in Kerman due to changes in the mechanical properties of soil and water pumping and its prediction in artificial neural network

نویسندگان [English]

  • mohammad bagher soltani moghaddam 1
  • mehdi momeni regh abadi 2
  • omid tayari 3
1 Deputy of Kerman Municipality Waste Organization
2 Assistant Professor; Department of Engineering, Faculty of Civil Engineering, Civil Engineering, Soil and Foundation, Islamic Azad University, Kerman Branch
3 Faculty member of University of Islamic Azad Kerman Branch and Director General of Resource Management Development of Islamic Azad University of Iran
چکیده [English]

Due to construction of high-rise buildings and construction of underpass intersections and also due acceleration of construction of high-rise buildings in most metropolitan areas, deep and shallow excavations always bring advantages and disadvantages for engineers. During the construction of underpasses that are located below the groundwater level, no problem can disrupt the project development process as much as the presence of water problem ،due to this problem in the Baghodrat martyr underpass project of Kerman city to reduce groundwater ،different methods were studied. Eventually Valid scientific documents, the use of pumping wells and guidance to the intended location for drainage and stabilization of the well by nailing were confirmed. In this research, first numerical modeling Baghodrat martyr underpass of Kerman city using finite element method using Plaxis2D software and by changing the mechanical properties soil including internal friction angle, adhesion and permeability of soil as well as outlet pumping discharge, the maximum vertical subsidence The edge of the pit was calculated and the necessary analysis was performed in this regard. The results showed that increasing the angle internal friction and adhesion and soil permeability coefficient reduced sedimentation and increasing pumping discharge increased soil sedimentation. Then, using multilayer prosthetic artificial neural network in MATLAB software and Plexis software data as network entrance, the values of ambient subsidence around the pit in other cases have been predicted. Finally, an artificial neural network with a correlation coefficient of 0.982 is obtained, which indicates the accuracy and power of accurate prediction of real values.

کلیدواژه‌ها [English]

  • water pumping؛ Excavation؛ nailing؛ subsidence
  • Numerical modeling

مراجع

طاحونی، ش.، 1333. اصول مهندسی ژئوتکنیک. مؤسسه انتشارات پارس آیین، 313 - 319.
معماریان، ح.، 1332. زمین‌شناسی مهندسی و ژئوتکنیک. انتشارات دانشگاه تهران. چاپ چهارم.
واحدی فر، م.، بلوری بزاز، ج.، 1389. بررسی تغییرات مؤثر در طراحی انکرها در پایدارسازی گودبرداری­ها و طرح بهینه آن­ها، چهارمین همایش بین­المللی مهندسی ژئوتکنیک و مکانیک خاک ایران، تهران، ایران.
کاوه، ع.، ایرانمنش، ع.، 1384. شبکه‌های عصبی مصنوعی در بهینه‌سازی سازه‌ها، چاپ سوم؛ انتشارات مرکز تحقیقات ساختمان و مسکن، تهران.
قیاسی، و.، کوشکی، م.، 1400. بررسی عددی نشست سطح زمین در تونل‌زنی دایرهای تحت اثر هم‌زمان تغییرات مشخصات هندسی تونل و مکانیکی خاک در محیط اشباع و پیش‌بینی آن در شبکه عصبی مصنوعی، مجله مدل‌سازی در مهندسی، شماره 64.
Budihardjo, M. A., Ynng, S., Cheogenizadeh A., and Nikraz. H., 2015. Fiiting under static loading.:land subsidence, American journal  of  Applied Sciences,  pp. 58-63.
Chao-Feng Z., Wei-Wei S., Xiu-Li X., Miao-Kun L., Ning B., Guo-Xiong M., 2021. Construction dewatering in a metro station incorporating buttress retaining wall to limit ground settlement: Insights from experimental modelling, Tunnelling and Underground Space Technology, 116: 104124.
Chen, Y., Zhao, W., Jia, P. J., and Han, J. Y., 2018. Proportion analysis of ground settlement caused by excavation and dewatering of a deep excavation in sand area. Indian Geotechnical Journal, 48(1), 103-113.‏
Roy, D., and Keith E. R., 2009. Surface settlements at a soft soil site due to bedrock dewatering, Engineering Geology 107.3-4: 109-117.‏
Wang, J., Huang, T., and Sui, D. 2013. A case study on stratified settlement and rebound characteristics due to dewatering in Shanghai subway station. The Scientific World Journal 2013.
Lv, Y., Liu, T., Ma, J., Wei, S., and Gao, C., 2020. Study on settlement prediction model of deep foundation pit in sand and pebble strata based on grey theory and BP neural network. Arabian Journal of Geosciences, 13(23), 1-13.‏
Najafzadeh, M., and Zahiri, A., 2015. Neuro-fuzzy GMDH to predict scour depth around apier incohhesive soils. APPLIED Ocean Research,40(2013)35-41.
Pujades, E., Vàzquez-Suñé, E., Carrera, J., and Jurado, A., 2014. Dewatering of a deep excavation undertaken in a layered soil. Engineering geology, 178, 15-27.‏
Shahin., A., Maier, H. R., and jaksa, M. B., 2002. Predicting Settlement of Shallow Foundation Using Neural Networks, Journal of Geotechnical and Geoenvironmental Engineering 128.9,  785-793.
Shi, J. J., 2000. Reducing prediction error by transforming input data for neural networks. Journal of computing in civil engineering, 14(2), 109-116.
‏ Chen, S., and Xiang, Y., 2006. A procedure for theoretical estimation of dewatering-induced pile settlement. Computers and Geotechnics, 33(4-5), 278-282.‏
Teparaksa, W., Sontiprasart, P., Prachayaset, N., and Keawsawasvong, S., 2015. Impact assessments of the deep basement construction in the MRT protection zone. In The 28th KKHTCNN Symposium. Civil Engineering, Bangkok, Thailand.‏
Ni, X., Lu, J., Wang, Y., Shi, J., Chen, W., and Tang, L. 2021. Field investigation of the influence of basement excavation and dewatering on ground and structure responses. Tunnelling and Underground Space Technology, 117, 104121.‏
Zhu, Y. F., Huang, Y. Z., Tan, Y. P., and Chen, J. J., 2015. Stratified settlement characteristics of the soil strata in Shanghai due to dewatering. Journal of Aerospace Engineering, 28(6), A4014005.‏.
Zhang, Y. Q., Wang, J. H., and Li, M. G., 2018. Effect of dewatering in a confined aquifer on ground settlement in deep excavations. International Journal of Geomechanics, 18(10), 04018120.‏
Wu, Y. X., Lyu, H. M., Han, J., and Shen, S. L., 2019. Dewatering–induced building settlement around a deep excavation in soft deposit in Tianjin, China. Journal of Geotechnical and Geoenvironmental Engineering, 145(5), 05019003.‏
Zhang, W., and Liu, H., 2021. Design of Deep Braced Excavation and Earth Retaining Systems Under Complex Built Environment: Theories and Case Studies. Springer Nature.‏
Zhou, N., Vermeer, P. A., Lou, R., Tang, Y., and Jiang, S., 2010. Numerical simulation of deep foundation pit dewatering and optimization of controlling land subsidence. Engineering Geology, 114(3-4), 251-260.‏
نشریه انجمن زمین شناسی مهندسی ایران
دوره 15، شماره 4
اسفند 1401
صفحه 61-77

فایل ها

سابقه مقاله

  • تاریخ دریافت: 01 اسفند 1400
  • تاریخ بازنگری: 23 شهریور 1401
  • تاریخ پذیرش: 22 مهر 1401

هم رسانی

ارجاع به این مقاله

آمار