TH97875A - การพยากรณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค์คู่ด้วยหัวเจาะแบบปรับแรงดันดินสมดุลโดยโครงข่ายประสาทเทียม - Google Patents
การพยากรณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค์คู่ด้วยหัวเจาะแบบปรับแรงดันดินสมดุลโดยโครงข่ายประสาทเทียมInfo
- Publication number
- TH97875A TH97875A TH801002992A TH0801002992A TH97875A TH 97875 A TH97875 A TH 97875A TH 801002992 A TH801002992 A TH 801002992A TH 0801002992 A TH0801002992 A TH 0801002992A TH 97875 A TH97875 A TH 97875A
- Authority
- TH
- Thailand
- Prior art keywords
- tunnel
- soil
- neural network
- boring
- pressure
- Prior art date
Links
Abstract
------10/01/2561------(OCR) หน้า 1 ของจำนวน 1 หน้า บทสรุปการประดิษฐ์ การคาดการณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค์คู่ด้วยหัวเจาะแบบปรับแรงดันดินสมดุล โดยโครงข่ายประสาทเทียมตามการประดิษฐ์นี้ ได้ทำการพัฒนาขึ้นเพื่อให้มีความเหมาะสมกับการก่อสร้าง อุโมงค์คู่ โดยสามารถที่จะสร้างความสัมพันธ์ของปีจจัยที่มีผลต่อการทรุดตัวที่มีความซับซ้อนของทั้งสองอุโมงค์ สู่การพยากรณ์ค่าการทรุดตัวของผิวดินได้ ------------ การพยากรณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค๋คู่ด้วยหัวเจาะแบบปรับแรงดดัน ดินสมดุลโดยโครงข่าายประสาทเทียมตามการประดิษฐ็นี้ ได้ทำการพัฒนาขึ้นเพื่อให้มีความ เหมาะสมกับการก่อสร้างอุโมงค์คู่ โดยสามารถที่จะสร้างความสัมพันธ์ของปัจจัยที่มีผลต่อการทรุด ตัวที่มีความซับซ้อนของทั้งสองอุโมงค์สู่การพยากรณ์ค่าการทรุดตัวของผิวดินได้
Claims (2)
1. การคาดการณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค์คู่ด้วยหัวเจาะแบบปรับแรงดันดินสมดุล โดยโครงข่ายประสาทเทียม จะประกอบไปด้วย 21 หน่วยย่อยในชั้นรับข้อมูล ประกอบไปด้วย (I) ความลึกของการขุดเจาะอุโมงค์ (ทก) (2) ระยะจากจุดเริ่มต้นการขุดเจาะอุโมงค์จากสถานี (ทา) (3) ระยะห่างระหว่างอุโมงค์กับอุโมงค์ (ทา) (4) คุณสมบัติชั้นดินบริเวณยอดอุโมงค์ 1 (5) คุณสมบัติชั้นดินบริเวณยอดอุโมงค์ 2 (6) คุณสมบัติชั้นดินบริเวณยอดอุโมงค์ 3 (7) คุณสมบัติชั้นดินบริเวณส่วนล่างของอุโมงค์ 1 (8) คุณสมบัติชั้นดินบริเวณส่วนล่างของอุโมงค์ 2 (9) ความสูงของน้ำใต้ดินจากส่วนล่างสุดของอุโมงค์ (ทา) (10) ความดันหน้าหัวเจาะ (kPa) (II) ความเร็วขณะขุดเจาะ (ทาเท/ทา๒) (12) มุมก้มหรือมุมเงยของหัวเจาะ (degree) (13) ความดันของการฉีดน้ำปูนเพื่ออุดซ่องว่างหลังผนังอุโมงค์ (bar) (14) เปอร์เซ็นต์การเติมน้ำปูน (%) (15) ความดันหน้าหัวเจาะ (kPa) (16) ความเร็วขณะขุดเจาะ (ทาทา/กาin) (17) มุมก้มหรือมุมเงยของหัวเจาะ (degree) (18) ความดันของการฉีดน้ำปูนเพื่ออุดซ่องว่างหลังผนังอุโมงค์ (bar) (19) เปอร์เซ็นต์การเติมน้ำปูน (%) (20) ชนิดของหัวเจาะ (21) เวลาของการขุดเจาะอุโมงค์ (ร) โดยมีปีจจัยที่แตกต่างจากคำขอเลขที่ 0801002990 คือปีจจัยที่ (3), นิจจัยฃองการขุดเจาะอุโมงค์ ที่สองนิจจัย (15M19) และนิจจัยที่ (21) โครงข่ายประสาทเทียมสำหรับการคาดการณ์การทรุดตัวของผิวดิน หน้า 2 ของจำนวน 2 หน้า จากการขุดเจาะอุโมงค์คู,ด้วยหัวเจาะแบบปรับแรงดันดินสมดุล โดยคำนึงถึงการก่อสร้างอุโมงค์คู่ขนาน ซึ่งจำนวนและหน่วยย่อยของชั้นแฝง รวมถึงรอบการคำนวณ สามารถหาได้จากวิธีการลองผิดลองถูกโดยทำการ แบ่งข้อมูลที่เลือกมาเป็น 2 กลุ่มคือ 1) ข้อมูลที่ใช้เรียนรู้ (Training set) ซึ่งมีจำนวนข้อมูลประมาณร้อยละ 25 ของข้อมูลทั้งหมด และ 2) ข้อมูลที่ใช้'ทดสอบ (Testing set) หรือข้อมูลทั้งหมด โดยทดสอบหาโครงข่าย ประสาทเทียมที่เหมาะสม (Optimum ANN) จากค่าผิดพลาดกำลังสองเฉลี่ย (RMSE) ที่น้อยที่สุดจาก กระบวนการเรียนรู้ (Training) และกระบวนการทดสอบ (Testing) ซึ่งการคำนวณค่าในชั้นแฝง (Hidden layer) โนแต่ละหน่วยย่อย (Hidden node) จำนวนปิจจัยในชั้นรับข้อมูลจะถูกส่งถ่ายเพื่อใข้คำนวณในชั้นแฝง แบบถึงกันหมดโดยใช้ฟ้งกํชัน Sigmoid และนำผลลัพธ์ที่ได้โนแต่ละหน่วยย่อยมาคำนวณแบบถึงกับหมด อีกครั้งด้วยฟ้งก์ชัน Sigmoid ในชั้นส่งออกข้อมูล (Output layer) ซึ่งการคำนวณดังกล่าวนับเป็น 1 รอบหลัก จากนั้นโครงข่ายประสาทเทียมจะส่งผลย้อนกลับไปหน่วยย่อยแต่ละหน่วยย่อยของชั้นแฝงเพื่อทำการคำนวณ ซํ้าจนครบ 2,000 รอบ โดยมีค่าเบี่ยงเบน (Bias) ในแต่ละรอบแตกต่างกัน โดยค่าผลลัพธ์ที่ได้จากการคำนวณ จะถูกนำมาเปรียบเทียบกับค่าที่ให้โครงข่ายเรียนรู้ ซึ่งแสดงออกมาในรูปแบบค่าผิดพลาดกำลังสองเฉลี่ย (RMSE) ดังนั้นรูปแบบสถาปีตยกรรมของโครงข่ายประสาทเทียมที่เหมาะสมจะประกอบไปด้วยชั้นรับข้อมูล จำนวน 21 หน่วยย่อย ชั้นแฝง 1 ชั้นแฝงจำนวน 20 หน่วยย่อย และรอบการคำนวณ 2,000 รอบ
2. การคาดการณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค์คู่ด้วยหัวเจาะแบบปรับแรงดันดินสมดุล โดยโครงข่ายประสาทเทียม ตามข้อถือสิทธิ 1 ที่ซึ่งใช้ 21 ปัจจัยในการคำนวณ ------------ 1.การพยากรณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค์คู่ด้วยหัวเจาะแบบปรับแรงดัน ดินสมดุลโดยโครงข่ายประสาทเทียมจะประกอบไปด้วย 21 หน่วยย่อยในชั้นรับข้อมูล มีชั้นแฝง 1 ชั้น มีหน่วยย่อยอยู่ 20 หนว่ยย่อยในชั้นแฝง และรอบการคำนวณ 2,000 รอบ ซึ่งจะถือว่าโครงข่ายมี ความเหมาะสมที่จะสามารถนำมาใช้ในการพยากรณ์การทรุดตัวของผิวดินที่เกิดขึ้นจากการขุดเจาะ อุโมงค์คู่ด้วยหัวใจเจาะแบบปรับแรงดันดินสมดุล 2.การพยากรณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค์ด้วยคู่หัวใจเจาะแบบปรับแรงดัน ดินสมดุลโดยโครงข่ายประสาทเทียมตามข้อ 1 ในส่วนของ 21 หน่วนย่อยในชั้นรับข้อมูลจะต้อง ประกอบไปด้วย (1) ความลึกของอุโมงค์ (2) ระยะจากจุดเริ่มต้นการขุดเจาะอุโมงค์ (3) ระยะห่าง ระหว่างอุโมงค์เดี่ยวตัวแรกและอุโมงค์ตัวที่สอง (4) ชนิดของดินบริเวณส่วนยอดของอุโมงค์ที่เป็น ดินเหนียวอ่อน (5) ชนิดของดินบริเวณส่วนยอดของอุโมงค์ที่เป็นดินเหนียวแข็ง (6) ชนิดของดิน บริเวณส่วนยอดของอุโมงค์ที่เป็นดินทราย (7) ชนิดของดินบริเวณส่วนล่างของอุโมงที่ดิน เหนียวแข็ง (8) ชนิดของดินบริเวณส่วนล่างของอุโมงค์ที่เป็นดินทราย (9) ความสูงของน้ำใต้ดินจาก ส่วนล่างสุดของอุโมงค์ (10) ความดันหน้าหัวเจาะของอุโมงค์เดี่ยวตัวแรก (11) ความเร็วขณะขุด เจาะของอุโมงค์เดี่ยวตัวแรก (12) มุมก้มหรือมุมเงยของหัวเจาะของอุโมงค์เดี่ยวตัวแรก (13) ความ ดันของการฉีดน้ำปูน เพื่ออุดช่องว่างหลังผนังอุโมงค์เดี่ยวตัวแรก (14) เปอร์เซ็นต์การ เติมน้ำปูนของอุโมงค์ตัวที่แรก (15) ความดันหน้าหัวเจาะของอุโมงค์ตัวที่สอง (16) ความเร็ว ขณะขุดเจาะของอุโมงค์ตัวที่สองเ (17) มุมก้มหรือเงยหน้าของหัวขุดเจาะของอุโมงค์ตัวที่สอง (18) ความ ดันของการฉีดน้ำปูน เพื่ออุดช่องว่างหลังผนังอุโมงค์ของอุโมงค์ตัวที่สอง (19) เปอร์เซ็นต์การเติม น้ำปูนของอุโมงค์ตัวที่สอง (20) ชนิดของหัวเจาะ และ (21) ระยะเวลาที่หัวเจาะอุโมงค์ตัวที่สอง มาถึง ณ ตำแหน่งที่หัวเจาะอุโมงค์ตัวแรกเคยผ่านมา
Publications (1)
| Publication Number | Publication Date |
|---|---|
| TH97875A true TH97875A (th) | 2009-08-20 |
Family
ID=
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Hsiung et al. | Evaluation of the wall deflections of a deep excavation in Central Jakarta using three-dimensional modeling | |
| Mortimore | Making sense of Chalk: a total-rock approach to its Engineering Geology | |
| Do et al. | A study of failure mechanisms of deep excavations in soft clay using the finite element method | |
| CN109143373B (zh) | 页岩气储层地层压力计算方法及计算机可读存储介质 | |
| Boonyarak et al. | Observed ground and pile group responses due to tunneling in Bangkok stiff clay | |
| Wang et al. | Areal subsidence under pumping well–curtain interaction in subway foundation pit dewatering: conceptual model and numerical simulations | |
| CN119805608A (zh) | 一种油气藏四维应力场定量预测及一体建模方法 | |
| Surarak | Geotechnical aspects of the Bangkok MRT blue line project | |
| CN105509708B (zh) | 一种黄土沟壑区下煤层开采地表下沉系数的确定方法 | |
| Viggiani et al. | Geotechnical aspects of underground railway construction in the urban environment: the examples of Rome and Naples | |
| Zhao et al. | Study on deformation of tunnel pile foundation based on discrete element method and finite difference method | |
| Plumb et al. | A new geomechanics process reduces operational risk from exploration to production | |
| CN110633537A (zh) | 钻爆法地铁隧道施工期路基沉降的预测方法 | |
| Zhang | Evaluation of mechanisms contributing to valley closure subsidence effects under irregular topographic conditions | |
| TH97874A (th) | โครงข่ายประสาทเทียมสำหรับพยากรณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค์โดยเพิ่มปัจจัยชนิดของหัวเจาะ | |
| Ghorbani et al. | Estimating groundwater inflow into Dorud-Khorramabad railway tunnel using analytical and numerical methods | |
| TH97873A (th) | การพยากรณ์การทรุดตัวของผิวดินจากการขุดเจาะอุโมงค์ด้วยหัวเจาะแบบปรับแรงดันดินสมดุลในดินเหนียวโดยโครงข่ายประสาทเทียม | |
| Parkes et al. | Geotechnical Engineering Circular: Design, Analysis, and Testing of Laterally Loaded Deep Foundations that Support Transportation Facilities | |
| Azimian et al. | Comparison between Lugeon with secondary permeability index obtained of water pressure test in rock masses | |
| Kristiansen et al. | Sixty days ahead of schedule: reducing drilling risk at Valhall using computational geomechanics | |
| Loganathan et al. | Estimation of ground loss during tunnel excavation | |
| Kim et al. | A Basic Study on the Prediction of Collapse of Tunnels Using Artificial Neural Network | |
| Likitlersuang et al. | Analysis of ground movements induced by MRT construction: a case study of Bangkok MRT Blue Line project | |
| Sharma et al. | Optimizing polymerflood via rate control | |
| Gracia et al. | Risks Associated with Subsidence-Collapse of Sinkholes. A Case Study in the Town of Alcalá de Ebro (Zaragoza, Spain) |