دسته بندی:

داده کاوی - data mining

---

سال انتشار:

2017

---

ترجمه فارسی عنوان مقاله:

پیش‌بینی حداکثر نشست سطحی ناشی از تونل زنی سپری متعادل‌کننده فشار زمین با استفاده از جنگل تصادفی

---

عنوان انگلیسی مقاله:

Prediction of maximum surface settlement caused by earth pressure balance shield tunneling using random forest

---

منبع:

Journal of AI and Data Mining, Vol 5, No 1, 2017

---

نویسنده:

V: R: Kohestani 1*, M: R: Bazargan-Lari 2 and J: Asgari-marnani 1

---

چکیده انگلیسی:

Underground tunneling for the development of underground railway lines as a rapid, clean, and efficient way to transport passengers in megacities has received a great deal of attention. Since such tunnels are generally excavated beneath important structures in urban zones, estimating the surface settlement caused by tunnel excavation is an important task. During the recent decades, many attempts have been made to investigate the influencing factors affecting the amount of surface settlement. In this study, random forest (RF) is introduced and investigated for the prediction of maximum surface settlement (MSS) caused by earth pressure balance (EPB) shield tunneling. The results obtained show that RF is a reliable technique for estimating MSS using the geometrical, geological, and shield operational parameters. The applicability and accuracy of RF, as a novel approach, is checked by comparing the results obtained with the artificial neural network (ANN), as a popular artificial intelligence algorithm. The proposed RF model shows a better performance than ANN.
Keywords: Tunnel | Earth Pressure Balance (EPB) | Maximum Surface Settlement (MSS) | Random Forest (RF).

---

چکیده فارسی:

تونل زنی زیرزمینی برای توسعه خطوط راه‌آهن زیرزمینی به‌عنوان یک راه سریع، تمیز و کارآمد برای حمل مسافر در شهرهای بزرگ، توجه زیادی را به خود جلب کرده است. از آنجا که این تونل‌ها عموماً تحت تأثیر ساختارهای مهم در نواحی شهری حفاری می‌شوند، برآورد نشست سطحی ناشی از حفاری تونل از اهمیت زیادی برخوردار است. در دهه‌های اخیر تلاش‌های زیادی برای بررسی عوامل تأثیرگذار بر میزان نشست سطحی انجام شده است. در این تحقیق، روش جنگل تصادفی (RF) برای پیش‌بینی حداکثر نشست سطحی (MSS) ناشی از تونل زنی سپری متعادل‌کننده فشار زمین (EPB) معرفی و مورد بررسی قرار گرفته است. نتایج به دست آمده نشان می‌دهد که RF یک روش قابل‌اعتماد برای برآورد MSS با استفاده از پارامترهای عملیاتی هندسی، زمین‌شناسی و سپر است. کاربردپذیری و دقت RF به‌عنوان رویکردی جدید با مقایسه نتایج حاصل از شبکه عصبی مصنوعی (ANN) به‌عنوان یک الگوریتم محبوب هوش مصنوعی مورد بررسی قرار می‌گیرد. مدل پیشنهادی RF نشان‌دهنده عملکرد بهتر نسبت به ANN است.
واژه‌های کليدی: تونل | تعادل فشار زمين (EPB) | حداكثر نشست سطحي (MSS) | جنگل تصادفي (RF).

---

---

---

---

حجم فایل: 1486 کیلوبایت

---

قیمت: 46800 تومان   

---

توضیحات اضافی:

---

---

---