تخمین بیشینه نشست سطح زمین در اثر احداث تونل با رویکردهای شبکه عصبی و شبکه عصبی موجکی (ویونت)

برداشت توده عظیمی از خاک و سنگ در هنگام حفاری تونل، باعث ایجاد تغییرات در وضعیت تنش زمین اطراف و به تبع آن ایجاد نشست در سطح زمین می شود. بنابر این برای جلوگیری از خسارات احتمالی در سازه های مجاور، بایستی قبل از احداث تونل میزان نشست ها ارزیابی و بررسی شود. تعداد زیاد عوامل موثر در نشست و همچنین طول نسبتا زیاد مسیر حفاری، حجم زیادی از مطالعات و محاسبات را می طلبد. در چنین مواردی مدل های جعبه سیاه به دلیل عملکرد مستقل در مقابله با پارامترهای فیزیکی و روابط حاکم بین آن ها، می تواند به عنوان ابزاری قدرتمند جهت تخمین نشست عمل نماید. در این مقاله، بررسی ها روی داده های اندازه گیری شده پروژه متروی بانکوک انجام گرفته است. ابتدا پارامترها دسته بندی شده و جداگانه بررسی شدند. سپس داده های ورودی موثر جهت آموزش شبکه تعیین گردید. بعد از آن برای ایجاد شبکه ویولت، توابع سیگموئیدی لایه پنهان شبکه عصبی پیش خورد با توابع موجک جایگزین شدند. شبکه ها آموزش داده شده و پارامترهای قابلیت شبکه تعیین گردید. تحلیل نتایج به دست آمده، حاکی از عملکرد خوب و دقت بالا و قابل قبول تخمین شبکه ها است. مقایسه نتایج دو شبکه با یکدیگر نشان می دهد که شبکه ویونت دارای دقت بیشتری نسبت به شبکه عصبی است.