تخمين رفتار لرزه‌اي تونل مدفون در لنز ماسه‌اي به كمك يادگيري ماشين

تخمين پارامترهاي خاك پيراموني و سازه اي در پوشش هاي تونلي همواره نيازمند شبيه سازي نرم‌افزاري و مطالعات حجيم و زمان‌بر مي باشد. ارائه روشي كه قادر باشد تا اين پارامترها را با دقت مناسب و حجم محاسباتي اندك و در سريع‌ترين زمان ممكن ارائه نمايد همواره يك چالش مهندسي بوده است؛ بنابراين، هدف از مطالعه حاضر ارائه يك روش مبتني بر يادگيري ماشين براي پيش‌بيني برخي از مشخصات مهم نظير رويداد روانگرايي، تنش خمشي حداكثر پوشش تونلي، نشست سطح زير محور تونل و فشار آب منفذي تحت زلزله هاي نزديك و دور از گسل مي باشد. بدين‌منظور ابتدا از نرم‌افزار FLAC-3D براي شبيه‌سازي مدل پوشش تونلي در معرض تحريك هاي زمين استفاده مي‌شود. ضمناً، اندركنش خاك- سازه بين پوشش تونلي و لنز ماسه اي نيز مد نظر قرار گرفته مي‌شود. مدل‌هاي موهر-كولومب و فين به‌ترتيب براي در نظر گرفتن نشست رس و ارزيابي روانگرايي لنز ماسه اي به كار برده مي شوند. سپس، از ماشين يادگيري   كرانه اي براي پيش‌بيني و برآورد كميت ه اي اشاره شده استفاده مي‌شود. نتايج مطالعات حاكي از عملكرد و دقت مناسب روش پيشنهادي در تخمين پارامترهاي اشاره شده است به‌گونه‌اي كه در بدترين حالت خطاي تخمين كمتر از 6 درصد بوده است. در اين مطالعه تأثير يك لنز ماسه اي روانگرا در يك محيط غيرروانگرا با امواج لرزه اي متفاوت ارزيابي شده است كه نتايج حاصل از آن نشان دهنده ي تأثيرپذيري بالاي پارامتر هاي لنگر خمشي در پوشش تونل، تنش مؤثر، فشار آب حفره اي و نشست در راستاي محور تونل در حضور لنز ماسه اي مي باشد. همچنين در حضور لنز ماسه‌اي نسبت لنگر خمشي به حالت بدون لنز ماسه‌اي در برخي موارد بالاي 50 درصد است كه مقدار بسيار چشمگيري مي باشد و حداكثر نشست در مكان‌هاي نزديك به محور تونل رخ داده است.