بخشی از مقاله
خلاصه
یکی از مسائل مهم در مهندسی ژئوتکنیک، نشست پی های گسترده متکی به شمع می باشد. در این پژوهش مدلی پایه شامل یک پی گسترده متکی بر چهار شمع بر روی خاک دو لایه تعریف و با استفاده از نرم افزار پلکسیس تحلیل و بررسی شده است. سپس با تغییر پارامترهای موثر بر مقدار نشست، اثر هر پارامتر به صورت جداگانه بررسی شده است.
نتایج حاصل از این مدل ها ثبت شده و برای آموزش یک شبکه عصبی مصنوعی و نهایتا توسعه یک رابط کاربری گرافیکی استفاده شده است. نتایج نشان می دهد نوع خاک، تعداد و ابعاد شمع، ضخامت دال، مقدار بار و وضعیت قرارگیری دال روی خاک یا بالاتر از آن، مهمترین پارامترهای موثر در مقدار نشست پی های گسترده متکی بر شمع میباشند. همچنین در این پژوهش مشخص شد می توان با تقریبی بسیار خوب، از شبکه های عصبی مصنوعی در تخمین نشست استفاده نمود.
1. مقدمه
امروزه تحلیل دقیق پی ها از اهمیت زیادی برخوردار است، معمولا در طراحی پی های گسترده متکی بر شمع، محل قرارگیری شمع ها در زیر پی بر اساس تجربه و قضاوت مهندسی تعیین می شود، به گونه ای که نشست های نسبی حداقل شوند. ناکارآمدی و دقت پایین روش های تحلیلی و همچنین پیچیدگی و حجم محاسبات روش های عددی، استفاده از پی های گسترده متکی بر شمع را با دشواری همراه کرده است. بررسی اثر پارامترهای مختلف و همچنین ارائه روشی سریع برای محاسبه مقدار نشست، می تواند اطلاعات مناسبی از پی به مهندس طراح دهد.
طراحی پی های گسترده بصورت پیشرفته از سال 1977 شکل گرفت و در سال های اخیر با توجه به اینکه برای دانشمندان علم ژئوتکنیک ثابت شده است، استفاده از پی های متکی به شمع به طور قابل توجه امنیت سازه ها را در مقابل نشست بالا می برد و باعث صرفه اقتصادی اجرای سازه ها می شود، به کارگیری این نوع پی ها رسمیت و عمومیت یافته است، بخصوص در سازه های بلند و در خاک های با مشخصات مکانیکی ضعیف.
این اهمیت تا جایی بود که در سال 1994 انجمن بین المللی مهندسی ژئوتکنیک - ISSMGE1 - کمیته ای در جهت گردآوری اطلاعات در زمینه پی های گسترده متکی به شمع و تلاش در جهت عمومی کردن راه کارهای طراحی این نوع پی ، تشکیل داد.
از پژوهش های نسبتا جدید در این زمینه میتوان به پژوهش لیانگ و همکاران در سال 2003 اشاره نمود.ایشان از شمع های مرکب ، شامل شمع های با طول بلند همراه با شمع هایی با طول کم برای سیستم استفاده کردند. ایشان بیان کردند با این کار توزیع تنش در زیر رویه بصورت یکنواخت خواهد شد و نشست تفاضلی به مقدار حداقل میرسد. رائول و راندولف درسال 2004 پژوهشی ابتکاری در این زمینه ارائه نمودند. ایشان روشی جهت طراحی سیستم رویه-شمع تحت بار عمودی غیر یکنواخت ارائه کردند
لیانگ و همکاران در سال 2009 روشی بر پایه معادلات انتگرال برای آنالیز سیستم رویه-شمع با شمع های ناهمسان تحت بار عمودی توسعه دادند. ایشان در این مقاله، با استفاده از تجزیه تحلیل عددی و استفاده از معادلات انتگرال فولدهم نوع دوم به آنالیز سیستم پرداختند و نتایج را با دانشمندان قبلی مقایسه نمودند. آنها از شمع های باطول متفاوت در زیر رویه استفاده نمودند. نگوین و همکاران در سال 2014 رویکردی جدید برای طراحی بهینه سیستم های رویه-شمع بزرگ روی ماسه ارائه کرده اند.[5] آنها چیدمان شمع ها در زیر رویه را براساس محل قرارگیری ستون های سازه ی روی پی انجام دادند و روش خود را در یک نمونه مطالعه موردی بررسی کردند.
همچنان از آزمایش سانتریفیوژ برای سنجش صحت مطالعات خود بهره جستند. روش آنها استفاده از المان محدود با کمک نرم افزار PLAXIS 3D بود که مقدار نشست ماکزیمم در هر تحلیل برای مقایسه انتخاب گردید.
در سالهای اخیر استفاده از شبکه های عصبی مصنوعی در بسیاری از مسائل ژئوتکنیک به شدت گسترش یافته و توانسته به آسانی بسیاری از مسائل پیچیده را حل نموده و مشکلات ناشی از انجام آزمایش های پر هزینه را بر طرف سازد. با مروری بر تحقیقات سالهای اخیر مشاهده می شود که استفاده از شبکه های عصبی مصنوعی در مسائل مختلفی همچون تخمین مقاومت برشی خاک، نشست، توان باربری شمع ها، پایداری شیروانی ها، مدل رفتاری خاک، طراحی تونل، روانگرایی، نفوذ پذیری و ... نتایج بسیار موفقیت آمیزی داشته است
استفاده از شبکه های عصبی مصنوعی برای تخمین نشست شالوده ها اولین بار توسط شاهین وهمکاران در سال 2002، به کار گرفته شد.[7] آنها با استفاده از نرم افزار کامپیوتری NEUFRAME، شبکه عصبی مصنوعی بازخوردی سه لایه ای را طراحی کردند که لایه ورودی آن شامل 5 پارامتر عرض شالوده، باروارده، تعداد آزمایش,SPT نسبت مدفون پی و نسبت طول به عرض آن بوده است. پژوهشی دیگر توسط پادمینی و همکاران در سال 2008 برای تخمین ظرفیت باربری پی های سطحی در خاکهای غیر چسبنده با استفاده از شبکه های عصبی مصنوعی، سیستم استنتاجی فازی و روش پیشنهادی عصبی- فازی انجام گرفت
کو و همکاران در سال 2009 مدلی بر پایه ی شبکه عصبی مصنوعی برای پیش بینی ظرفیت باربری پی نواری، روی خاک های چسبنده لایه ای ارائه دادند.آنها از شبکه عصبی مصنوعی از نوع MLP1 استفاده کردند.
در این پژوهش، پی گسترده متکی به شمع روی خاک های دو لایه، با استفاده از نرم افزار PLAXIS 3D تحلیل و اثر پارامترهای مختلف بر روی مقدار نشست، بررسی شده است. سپس با استفاده از تعدادی نتایج بدست آمده، شبکه های عصبی مصنوعی با تعداد متفاوت لایه پنهان، ساخته و آموزش داده شده اند. سپس بخش دیگری از نتایج برای بررسی صحت و درستی مدل ، به کار گرفته شده است. نهایتا شبکه ای که بهترین عملکرد را دارد، به عنوان شبکه عصبی مصنوعی اصلی جهت تخمین مقدار نشست پی های گسترده متکی بر شمع لحاظ شده و با طراحی یک رابط کاربری گرافیکی، استفاده از آن تسهیل شده است.
2. فرآیند پژوهش
برای رسیدن به اهداف پژوهش، ابتدا یک پی شامل دال و شمع به عنوان مدل پایه در نظر گرفته شده است. مشخصات مدل پایه در بخش 1-2 ارائه میشود. سپس در قسمت 2-2 با تغییر پارامترهای این مدل پایه و محاسبات مقدار نشست، تاثیر پارامترهای مختلف بر نشست بررسی شده است که نتایج آن در بخش 3-2 ارائه می شود. نتایج این بخش در قسمت بعدی برای توسعه شبکه عصبی مصنوعی استفاده شده است.
.1-2 مدل پایه
مدل پایه که در این پژوهش لحاظ شده است، یک فونداسیون شامل دال و شمع مطابق شکل 1 می باشد. مشخصات اصلی این مدل، در جدول 1 نشان داده شده است. همچنین مشخصات بتن فرض شده برای دال و شمع ها در جدول 2 و مشخصات خاک ها، در جدول 3 ذکر شده است.
شکل - 1 جزییات مدل پایه، الف - مقطع، ب - پلان
جدول :1 مشخصات مدل پایه
جدول :3 مشخصات خاک ها
پارامترهای لحاظ شده عبارتند از: N کل نیروی وارد بر پی که به صورت متمرکز در محل شمع ها و به نسبت مساوی اعمال می شود - کیلونیوتن - ، L ارتفاع شمع - متر - ، D قطر شمع - متر - ، h ضخامت دال - متر - ، E مدول الاستیسیته - کیلونیوتن بر متر مربع - ،ضریب پواسون، وزن مخصوص - کیلونیوتن بر متر مکعب - ، c چسبندگی خاک، زاویه اصطکاک داخلی و زاویه اتساع.
.2-2 تغییر پارامترها و ساخت مدل های جدید
با تغییر پارامترهای مدل پایه مطابق جدول 4، تعداد 180 مدل جدید به دست آمد. این مدل ها در نرم افزار پلکسیس تحلیل شده و نشست متناظر هر یک، ثبت شده است.
جدول :4 تغییرات پارامترها
.3-2 بررسی تاثیر پارامترهای مختلف بر روی نشست
همان طور که ذکر شد، پس از تهیه مدل پایه، پارامترهای مدل مطابق جدول 4 تغییر داده شده است تا اثر هر پارامتر بر روی مقدار نشست بررسی شود. نتایج مربوطه که از نرم افزار پلکسیس به دست آمده است، در شکل های 2 تا 10 نشان داده شده اند. این نتایج در چهار حالت مختلف لایه های خاک مطابق جدول 5، بررسی شده است.
