پيش بيني و ارزيابي مدول دگرشكلي توده سنگ بر اساس طبقه بندي هاي Q,GSI, RMi و روش ميانگين گيري (مطالعه موردي: تونل اتقال آب كرج- تهران، قطعه دوم)

Prediction and evaluation of deformation modulus of rock mass on the basis of RMi, GSI, Q classifications and averaging method (Case study of the second part of water supply Karaj to Tehran tunnel)

براي تعيين مدول دگرشكلي توده سنگ دو روش مستقيم و غيرمستقيم وجود دارد. روش هاي غيرمستقيم به آساني و با كمترين هزينه و صرف زمان مي توانند نتيجه قابل قبولي پيش بيني نمايند. از اينرو اين مدل ها مورد توجه طراحان و مهندسان قرار گرفته اند. اما در عمل پيش بيني هر يك از مدل ها نسبت به مدول دگرشكلي واقعي متفاوت است. در اين مقاله يك مطالعه موردي با استفاده از داده هاي قطعه دوم تونل انتقال آب كرج- تهران به منظور انتخاب مدل بهينه، انجام شده است. از اين رو ابتدا كارآيي مدل هاي مختلف، كه پارامتر ورودي آنها Q,GSI, RMi است؛ مورد ارزيابي قرار گرفته و مدل هايي كه بهترين پيش بيني را دارند انتخاب مي شوند. سپس با استفاده از روش هاي آماري، ميانگين حاصل از نتايج مدل ها را تعيين و با مدول دگرشكل واقعي مقايسه شده است. ارزيابي مدل ها بر اساس دو معيار جذر ميانگين مربعات خطا و ميانگين درصد خطاي مطلق انجام شده است. نتايج نشان مي دهد مدل كانگ و همكاران(2012) بهترين پيش بيني را دارد و چنانچه براي تعيين مدول دگرشكلي در منطقه مدلي بومي موجود نباشد و يا مدلي كه بتوان بهترين نتيجه را پيش بيني كرد در دسترس نباشد، مي توان از روش ميانگين گيري استفاده كرد.

There are two direct and indirect methods for determining rock mass deformation modulus. Indirect methods can easily predict reliable results with the least cost and time. Therefore, they are considered by designers and engineers in designs. But in practice, predicted results of each model differ from the actual ones. In this paper, a case study is done to select the optimum model using data from the second part of water supply Karaj to Tehran tunnel. Hence, the efficiency of different models with Q, GSI and RMi as the input parameters is evaluated and the best model with the best prediction is selected. Latter using statistical methods, the mean of the results of the models is determined and is compared with the actual values of deformation modulus. The performance evaluation of the models is based on the two indices consist of root mean square error and mean absolute error percentage. Results show that the model proposed by Kang et al. (2012) has the best prediction. Also, it is concluded that if there is not a native model to determine the deformation modulus, averaging method is applicable.