مدل سازی پیش‌بینی فشار بیش از حد هوا ناشی از انفجار در پروژه های عمرانی با استفاده از روش های هوش مصنوعی محاسباتی

هومن هرندی زاده¹ محمد نجف زاده²

1) فارغ التحصیل دکترای مهندسی عمران - بخش مهندسی عمران - دانشکده فنی و مهندسی - دانشگاه شهید باهنر کرمان، ایران -
2) دانشیار گروه مهندسی آب، دانشکده مهندسی عمران و نقشه برداری، دانشگاه تحصیلات تکمیلی صنعتی و فناوری پیشرفته، ایران -

محل انتشار : دومین کنفرانس بین المللی معماری، عمران،شهرسازی،محیط زیست و افق های هنر اسلامی در بیانیه گام دوم انقلاب(2icacu.ir)
چکیده :
عملیات انفجار معمولاً اثرات منفی متعددی بر انسان ها و سازه ها در منطقه مجاور دارد. در میان همه، فشار بیش از حد هوا (AOp) ایجاد شده توسط انفجار در پروژه های عمرانی از قبیل تونل سازی و انفجار معادن به طور مداوم برای پزشکان و محققان جذاب بوده است. برای کنترل آسیب ناشی از AOp، قبل از انجام عملیات انفجار باید قدرت و شدت مرتبط با آن را پیش بینی کرد. سپس، پارامترهای تاثیرگذار در پیشبینی مقدار AOp ناشی از انفجار برای استفاده در توسعه و آموزش یک روش عددی مبتنی بر هوش مصنوعی ترکیبی ، شامل تلفیق سیستم استنتاج عصبی فازی تطبیقی (ANFIS) و شبکه عصبی چند جمله‌ای (PNN) بهینه‌ شده با الگوریتم ژنتیک (GA)، با عنوان شبکه ترکیبی ANFIS-PNN-GA توسعه یافته پیشنهادی معرفی شدند. از نظر کارشناسان، چهار فاکتور مهم، یعنی مقدار بار انفجاری، ضریب پودر، طول ساقه تعبیه شده ماده انفجار و فاصله از وجه صفحه انفجار به عنوان پارامترهای ورودی تاثیرگذار در پیشبینی فشار بیش از حد هوا ناشی از انفجار شناسایی شدند. در حقیقت، در مدل عددی توسعه داده شده از الگوریتم ژنتیک برای بهینه سازی ساختار ANFIS-PNN استفاده شد. از پایگاه داده جمع آوری شده از 62 آزمایش انفجار در منطقه مورد مطالعه به منظور بهره گیری در توسعه مدل استفاده شد. همچنین به منظور ارزیابی عملکرد مدل توسعه یافته و با هدف مقایسه و اعتبارسنجی نتایج، مدل‌های شاهد ANFIS و PNN برای تخمین فشار هوای ایجاد شده در اثر انفجار بسط داده شد و در پایان دقت و کارایی عملکردی مدل‌های گفته شده از طریق استفاده از چندین شاخص آماری متداول از قبیل محاسبه ضریب همبستگی (R) و میانگین مربعات خطا (MSE) و میانگین خطا (Error mean) و انحراف استاندارد خطا (Error StD) مورد ارزیابی قرارگرفت و مشخص گردید به دلیل نقش الگوریتم ژنتیک به عنوان روش بهینه‌سازی، کارایی و عملکرد مدل ANFIS-PNN-GA در قیاس با مدل های استفاده شده در این تحقیق ارجحیت است.
کلمات کلیدی : فشار بیش از حد هوا (AOp) سیستم استنتاج عصبی فازی تطبیقی (ANFIS) الگوریتم ژنتیک (GA) شبکه عصبی چندجمله ای (PNN) روش مبتنی بر هوش مصنوعی ترکیبی