ارائه یک متدولوژی جدید در تخمین فشار سینه‌کار ماشین TBM-EPB: مطالعه موردی

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشیار؛ دانشکده‌ی مهندسی علوم زمین، دانشگاه صنعتی اراک

2 دانشجوی کارشناسی ارشد؛ دانشکده‌ی مهندسی علوم زمین، دانشگاه صنعتی اراک.

3 دانشجوی کارشناسی؛ دانشکده‌ی مهندسی علوم زمین، دانشگاه صنعتی اراک

چکیده

با گسترش روزافزون محیط‌های شهری، ایجاد و توسعه سیستم‌های حمل‌ونقل درون شهری به منظور کاهش ترافیک، آلودگی‌ها و کاهش هزینه‌های ناشی از عبور و مرور درون شهری امری ضروری است. با توجه به اینکه بخش مهمی از هزینه ساخت مترو مربوط به حفاری و نگهداری تونل‌ها می‌شود. بنابراین یکی از مهم‌ترین تصمیم‌ها در بحث ساخت تونل‌های مترو روش حفاری در محیط‌های آبرفتی و ریزشی می‌باشد. حفاری تونل توسط ماشین TBM-EPB در مقایسه با سایر روش‌های حفاری در خاک‌های نرم و مناطق ریزشی یک روش سریع، پرقدرت و همراه با نگهداری است. یکی از عوامل بسیار مهم در جلوگیری از ریزش سینه‌کار در حین حفاری در زمین‌ها‌ی نرم و آبرفتی برآورد فشار سینه‌کار بهینه ماشین حفاری در هر مرحله حفاری (کیلومتراژهای مختلف) می‌باشد. زیرا کم و یا زیاد بودن فشار سینه‌کار ماشین حفاری منجر به افزایش هزینه‌ها، خسارت‌های جانی، سختی زیاد و همچنین منجر به وقفه در اتمام پروژه می‌شود. در این مقاله به دلیل عدم قطعیت در پارامترهای ژئوتکنیکی و حساسیت تونل‌های شهری، مسئله از دیدگاه احتمالاتی مورد مطالعه قرار گرفته است. به همین منظور،  ابتدا برای 50 حالت مختلف مدل‌سازی عددی خط 2 مترو تبریز با استفاده از نرم‌افزار PLAXIS3D2020 صورت گرفته و در ادامه از روش شبیه‌سازی مونت‌کارلو برای تولید اعداد تصادفی و اختصاص توزیع‌های احتمالاتی مناسب استفاده شده است. سپس با استفاده از الگوریتم فراابتکاری گرگ خاکستری (GWO) فشار سینه‌کار ماشینTBM-EPB  با کمک رابطه پیش‌بینی بدست آمده، تخمین زده شده است. در نهایت به منظور ارزیابی و صحت‌سنجی رابطه بدست آمده از شاخص‌های آماری 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. با توجه به اعتبارسنجی مدل، رابطه ایجاد شده توسط الگوریتم گرگ خاکستری به واقعیت مسئله بسیار نزدیک بوده و از آن می‌توان برای ادامه مسیر در مناطق مشابه دیگر استفاده کرد.

کلیدواژه‌ها


Anagnostou, G., & Kovári, K. (1996). Face stability conditions with earth-pressure-balanced shields. Tunnelling and Underground Space Technology, 11(2), 165-173.
Berthoz, N., Branque, D., Subrin, D., Wong, H., & Humbert, E. (2012). Face failure in homogeneous and stratified soft ground: Theoretical and experimental approaches on 1g EPBS reduced scale model. Tunnelling and Underground Space Technology, 30, 25-37.
Bilgin, N., & Acun, S. (2021). The effect of rock weathering and transition zones on the performance of an EPB-TBM in complex geology near Istanbul, Turkey. Bulletin of Engineering Geology and the Environment, 80(4), 3041-3052.
Broere, W. (2001). Tunnel face stability and new CPT application [Ph. D. thesis]. Delft University of Technology, Delft University Press, Delft, The Netherlands.
Carranza-Torres, C., Reich, T., & Saftner, D. (2013). Stability of shallow circular tunnels in soils using analytical and numerical models. Proceedings of the 61st Minnesota Annual Geotechnical Engineering Conference,
Chen, R.-p., Li, J., Kong, L.-g., & Tang, L.-j. (2013). Experimental study on face instability of shield tunnel in sand. Tunnelling and Underground Space Technology, 33, 12-21.
Chen, R., Tang, L., Ling, D., & Chen, Y. (2011). Face stability analysis of shallow shield tunnels in dry sandy ground using the discrete element method. Computers and Geotechnics, 38(2), 187-195.
Do, N.-A., Dias, D., & Oreste, P. (2015). 3D numerical investigation on the interaction between mechanized twin tunnels in soft ground. Environmental earth sciences, 73(5), 2101-2113.
Do, N.-A., Dias, D., & Oreste, P. (2016). 3D numerical investigation of mechanized twin tunnels in soft ground–Influence of lagging distance between two tunnel faces. Engineering Structures, 109, 117-125.
Fattahi, H. (2017a). Applying soft computing methods to predict the uniaxial compressive strength of rocks from schmidt hammer rebound values. Computational Geosciences, 21(4), 665.
Fattahi, H. (2017b). Prediction of slope stability using adaptive neuro-fuzzy inference system based on clustering methods. Journal of Mining and Environment, 8(2), 163-177.
Fattahi, H., & Moradi, A. (2018). A new approach for estimation of the rock mass deformation modulus: a rock engineering systems-based model. Bulletin of Engineering Geology and the Environment, 77(1), 363-374.
Greenwood, J. D. (2003). Three-dimensional analysis of surface settlement in soft ground tunneling Massachusetts Institute of Technology].
Guglielmetti, V., Grasso, P., Mahtab, A., & Xu, S. (2008). Mechanized tunnelling in urban areas: design methodology and construction control. Taylor & Francis.
HEIDARI, S. R., Zare, S., MIRZAEI, N. H., & Foroughi, M. (2013). Numerical study of face pressure effect on surface settlement in soft ground mechanized tunneling-a case study: tehran metro line 7.
Hernández, Y. Z., Farfán, A. D., & de Assis, A. P. (2019). Three-dimensional analysis of excavation face stability of shallow tunnels. Tunnelling and Underground Space Technology, 92, 103062.
Hoek, E. (2007). Practical rock engineering. In: North Vancouver, BC, Canada.
Jancsecz, S., & Steiner, W. (1994). Face support for a large mix-shield in heterogeneous ground conditions. In Tunnelling’94 (pp. 531-550). Springer.
Kasper, T., & Meschke, G. (2004). A 3D finite element simulation model for TBM tunnelling in soft ground. International journal for numerical and analytical methods in geomechanics, 28(14), 1441-1460.
Kasper, T., & Meschke, G. (2006a). A numerical study of the effect of soil and grout material properties and cover depth in shield tunnelling. Computers and Geotechnics, 33(4-5), 234-247.
Kasper, T., & Meschke, G. (2006b). On the influence of face pressure, grouting pressure and TBM design in soft ground tunnelling. Tunnelling and Underground Space Technology, 21(2), 160-171.
Kitchah, F., & Benmebarek, S. (2016). Finite difference analysis of an advance core pre-reinforcement system for Toulon's south tube. Journal of Rock Mechanics and Geotechnical Engineering, 8(5), 703-713.
Lambrughi, A., Rodríguez, L. M., & Castellanza, R. (2012). Development and validation of a 3D numerical model for TBM–EPB mechanised excavations. Computers and Geotechnics, 40, 97-113.
Li, Y., Emeriault, F., Kastner, R., & Zhang, Z. (2009). Stability analysis of large slurry shield-driven tunnel in soft clay. Tunnelling and Underground Space Technology, 24(4), 472-481.
Lunardi, P. (2008). Design and construction of tunnels: Analysis of Controlled Deformations in Rock and Soils (ADECO-RS). Springer Science & Business Media.
Mech, L. D. (1999). Alpha status, dominance, and division of labor in wolf packs. Canadian Journal of Zoology, 77(8), 1196-1203.
Medjahed, S. A., Saadi, T. A., Benyettou, A., & Ouali, M. (2016). Gray wolf optimizer for hyperspectral band selection. Applied Soft Computing, 40, 178-186.
Mirjalili, S., & Lewis, A. (2016). The whale optimization algorithm. Advances in engineering software, 95, 51-67.
Mirjalili, S., Mirjalili, S. M., & Lewis, A. (2014). Grey wolf optimizer. Advances in engineering software, 69, 46-61.
Mosavi, M. R., Khishe, M., & Ghamgosar, A. (2016). Classification of sonar data set using neural network trained by Gray Wolf Optimization. Neural Network World, 26(4), 393.
Muro, C., Escobedo, R., Spector, L., & Coppinger, R. (2011). Wolf-pack (Canis lupus) hunting strategies emerge from simple rules in computational simulations. Behavioural processes, 88(3), 192-197.
Pan, Q., & Dias, D. (2017). Upper-bound analysis on the face stability of a non-circular tunnel. Tunnelling and Underground Space Technology, 62, 96-102.
Rezaei, A. H., & Ahmadi-adli, M. (2020). The volume loss: real estimation and its effect on surface settlements due to excavation of Tabriz Metro tunnel. Geotechnical and Geological Engineering, 38(3), 2663-2684.
Shahmoradi, J., Salari Rad, H., & Roghanchi, P. (2020). Face stability analysis for the earth pressure balance method in nonhomogeneous inclined soil layers: case study. International Journal of Geomechanics, 20(10), 05020005.
Slinchenko, D. (2006). Control of ground settlement in EPB Tunneling. LOVAT Inc, 1-5.
Wang, J., He, C., & Xu, G. (2019). Face stability analysis of EPB shield tunnels in dry granular soils considering dynamic excavation process. Journal of Geotechnical and Geoenvironmental Engineering, 145(11), 04019092.
Wang, Y., Cao, Z., & Au, S.-K. (2010). Efficient Monte Carlo simulation of parameter sensitivity in probabilistic slope stability analysis. Computers and Geotechnics, 37(7), 1015-1022. https://doi.org/https://doi.org/10.1016/j.compgeo.2010.08.010
Zhang, C., Han, K., & Zhang, D. (2015). Face stability analysis of shallow circular tunnels in cohesive–frictional soils. Tunnelling and Underground Space Technology, 50, 345-357