ظرفیت باربری جانبی شمع‌ها در خاک رسی اشباع نرم توسط دو الگوریتم بهینه‌سازی

فتاحی, هادی; ملک محمودی, فرشاد; قائدی, حسین

ظرفیت باربری جانبی شمع‌ها در خاک رسی اشباع نرم توسط دو الگوریتم بهینه‌سازی

نوع مقاله : مقاله پژوهشی

نویسندگان

¹ دانشکده مهندسی علوم زمین دانشگاه صنعتی اراک

² دانشکده مهندسی علوم زمین، دانشگاه صنعتی اراک

³ دانشگاه صنعتی اراک-دانشکده مهندسی علوم زمین

چکیده

تعیین ظرفیت باربری جانبی شمع‌ها از جمله مسائل مهمی است که در اثر عواملی مانند ناهمسانی محیط خاک در برگیرنده شمع و مشخصات هندسی آن، تخمین صحیح ظرفیت باربری جانبی یک شمع را با مشکلی همراه می‌سازد. با آنکه آزمایش بارگذاری شمع می‌تواند با وجود دقت بالا، به عنوان یک روش قابل اعتماد در مراحل مختلف طراحی به کار رود، هزینه‌های زیاد و زمان انجام طولانی را برای پروژه‌های عمرانی و معدنی متحمل می‌شود. در این مقاله، به منظور کاربرد روش‌های جدید هوشمند برای تخمین ظرفیت باربری جانبی شمع‌ها در خاک‌های رسی نرم (Qm)، از دو الگوریتم بهینه‌سازی کلونی زنبور عسل (ABC) و علف‌های هرز (IWO) استفاده شده است. در پایان به منظور ارزیابی دقت مدل‌ها، از شاخصهای ضریب همبستگی مربع (R2)، شمول واریانس (VAF)، میانگین درصد خطای مطلق (MAPE)، جذر میانگین خطای مربع (RMSE) و میانگین خطای مربع (MSE) استفاده شده است. نتایج ارزیابی نشان داد که برای الگوریتم کلونی زنبور عسل، دقت تخمین با استفاده از شاخص‌های R2 و VAF حدود 99/0-98/0 و با استفاده از شاخص‌های MAPE، RMSE وMSE بین 0056/0-000032/0 و همچنین برای برای الگوریتم علف‌های هرز دقت تخمین با استفاده از شاخص‌های R2 و VAF حدود 98/0-97/0 و با استفاده از شاخص‌های MAPE، RMSE وMSE بین 023/0-00053/0 بدست آمد. علاوه بر آن نتایج حاصل از تحلیل حساسیت نشان داد که مقاومت برشی زهکشی نشده خاک (Su)، در میان سایر پارامترهای ورودی، بیشترین تأثیر را بر روی ظرفیت باربری جانبی شمع‌ها دارد و تغییر در آن بیشترین تأثیر را بر روی خروجی مدل‌ها خواهد گذاشت.

کلیدواژه‌ها

عنوان مقاله [English]

Lateral bearing capacity of piles in soft saturated clay by two optimization algorithms

نویسندگان [English]

Hadi Fattahi ¹
Farshad Malekmahmoudi ²
Hossein Ghaedi ³

¹ Faculty of Earth Sciences Engineering, Arak University of Technology, Arak, Iran.

² Faculty of Earth Sciences Engineering, Arak University of Technology, Arak, Iran.

³ Faculty of Earth Sciences Engineering, Arak University of Technology, Arak, Iran

چکیده [English]

Determining the lateral bearing capacity of piles is one of the important issues that due to factors such as heterogeneity of soil environment in the pile and its geometric characteristics, the correct estimation of lateral bearing capacity of a pile is a problem. Although pile loading testing can be used as a reliable method at various stages of design despite its high accuracy, it incurs high costs and long execution times for construction and mining projects. In this paper, in order to apply new intelligent methods to estimate the lateral bearing capacity of piles in soft clay soils, two bee colony optimization and invasive weed optimization algorithms have been used.Finally, in order to evaluate the accuracy of the models, the indices of square correlation coefficient (R2), variance inclusion (VAF), mean absolute error percentage (MAPE), root mean square error (RMSE) and mean square error (MSE) were used. The evaluation results showed that for the bee colony algorithm, the estimation accuracy using R2 and VAF indices was about 0.98-0.99 and using MAPE, RMSE and MSE indices between 0.000032-0.0056 and also for the algorithm. For invasive weed optimization algorithm, estimation accuracy using R2 and VAF indices was about 0.97-0.98 and using MAPE, RMSE and MSE indices was between 0.0005-0.023. In addition, the results of sensitivity analysis showed that the non-drained shear strength of soil (Su), among other input parameters, has the greatest impact on the lateral bearing capacity of piles and change in it will have the greatest impact on the output.

کلیدواژه‌ها [English]

Lateral bearing capacity of piles
Soft saturated clay soils
Bee colony algorithm
Invasive weed optimization algorithm
Sensitivity analysis

مراجع

Alonso E.E., 1976, "Risk analysis of slopes and its application to slopes in Canadian sensitive clays", Geotechnique, 26: 453-472.

Bhattacharya G., Jana D., Ojha S., Chakraborty S., 2003, "Direct search for minimum reliability index of earth slopes", Computers and Geotechnics, 30: 455-462.

Cao Z., Wang Y., Li D. (2017) "Practical reliability analysis of slope stability by advanced Monte Carlo simulations in a spreadsheet". In: Probabilistic Approaches for Geotechnical Site Characterization and Slope Stability Analysis. Springer, pp 147-167.

Cho S.E., 2013, "First-order reliability analysis of slope considering multiple failure modes", Engineering Geology, 154: 98-105.

Christian J.T., Ladd C.C., Baecher G.B., 1994, "Reliability applied to slope stability analysis", Journal of Geotechnical Engineering, 120: 2180-2207.

Dodagoudar G., Venkatachalam G., 2000, "Reliability analysis of slopes using fuzzy sets theory", Computers and Geotechnics, 27: 101-115.

Erzin Y., Cetin T., 2013, "The prediction of the critical factor of safety of homogeneous finite slopes using neural networks and multiple regressions", Computers & Geosciences, 51: 305-313.

Farah K., Ltifi M., Hassis H., 2011, "Reliability analysis of slope stability using stochastic finite element method", Procedia Engineering, 10: 1402-1407.

Giasi C., Masi P., Cherubini C., 2003, Probabilistic and fuzzy reliability analysis of a sample slope near Aliano, Engineering Geology, 67: 391-402.

Hammah R., Yacoub T., Curran J. "Probabilistic slope analysis with the finite element method". In: 43rd US Rock Mechanics Symposium & 4th US-Canada Rock Mechanics Symposium, 2009. American Rock Mechanics Association,

Hong H., Roh G., 2008, "Reliability evaluation of earth slopes", Journal of geotechnical and geoenvironmental engineering, 134: 1700-1705.

Jha S.K., 2015, "Effect of spatial variability of soil properties on slope reliability using random finite element and first order second moment methods", Indian Geotechnical Journal, 45: 145-155.

Johari A., Fazeli A., Javadi A., 2013, "An investigation into application of jointly distributed random variables method in reliability assessment of rock slope stability", Computers and Geotechnics, 47: 42-47.

Kacewicz M., 1987, "Fuzzy slope stability method", Mathematical Geology, 19: 757-767.

Li D.-Q., Jiang S.-H., Cao Z.-J., Zhou W., Zhou C.-B., Zhang L.-M., 2015, "A multiple response-surface method for slope reliability analysis considering spatial variability of soil properties", Engineering Geology, 187: 60-72.

Li D.-Q., Xiao T., Cao Z.-J., Phoon K.-K., Zhou C.-B., 2016, Efficient and consistent reliability analysis of soil slope stability using both limit equilibrium analysis and finite element analysis, Applied Mathematical Modelling, 40: 5216-5229.

Li D., Chen Y., Lu W., Zhou C., 2011, "Stochastic response surface method for reliability analysis of rock slopes involving correlated non-normal variables", Computers and Geotechnics, 38: 58-68.

Liang L., Xue-song C., 2012, "The location of critical reliability slip surface in soil slope stability analysis", Procedia Earth and Planetary Science, 5: 146-149.

Low B., Lacasse S., Nadim F., 2007, "Slope reliability analysis accounting for spatial variation", Georisk, 1: 177-189

Malkawi A.I.H., Hassan W.F., Abdulla F.A., 2000, "Uncertainty and reliability analysis applied to slope stability", Structural Safety, 22: 161-187.

Phoon K.-K. (2008) Reliability-based design in geotechnical engineering: computations and applications. CRC Press,

Radhi M.M., Pauzi N.M., Omar H. "Probabilistic approach of rock slope stability analysis using Monte Carlo simulation". In: International Conference in Construction and Building Technology, Malayzya, 2008.

Saboya Jr F., da Glória Alves M., Pinto W.D., 2006, "Assessment of failure susceptibility of soil slopes using fuzzy logic", Engineering Geology, 86: 211-224.