محمد رضائی

در این مقاله از الگوریتم بهینه‌سازی گرگ خاکستری (GWO) برای پیش‌بینی حداکثر نشست سطح زمین (Smax) و عرض گودی پروفیل نشست (i) ناشی از عملیات حفاری تونل‌های شهری استفاده شده است. بدین منظور، 26 دسته داده با دو پارامتر خروجی (Smax و i) و 9 پارامتر ورودی شامل چسبندگی (C)، زاویه اصطکاک داخلی (φ)، مدول تراکم‌پذیری خاک (Es)، فاصله محور تونل از سطح زمین (H)، قطر تونل (D)، فشار تزریق گروت (P)، درصد پرشدن گروت (n)، نیروی پیشران (F) و نرخ پیشروی (v) دستگاه حفاری جهت مدل‌سازی الگوریتم GWO گردآوری شد. همچنین، مدل رگرسیون خطی چندگانه (MLR) جهت ارزیابی و مقایسه با الگوریتم GWO استفاده گردید. عملکرد مدل‌های GWO و MLR با استفاده از سه شاخص آماری ضریب تعیین، جذر میانگین مربعات خطا و خطای مطلق میانگین در مراحل آموزش و تست مورد بررسی قرار گرفت و با نتایج مدل‌های تجربی موجود در منابع مقایسه گردید. نتایج حاصله بیانگر خطای کمتر الگوریتم GWO و قابلیت اطمینان و دقت بالاتر آن در مقایسه با مدل MLR و سایر مدل‌های تجربی است. بعلاوه، نتیجه آنالیز حساسیت مدل‌ها و همبستگی داده‌ها نشان داد که پارامترهای F و n به‌ترتیب مهم‌ترین و کم اهمیت‌ترین پارامترهای تأثیرگذار بر Smax هستند. همچنین، C و v به‌ترتیب دارای بیش‌ترین و کم‌ترین تأثیر بر i می‌باشند. با در نظر گرفتن نتایج حاصل از این تحقیق، می‌توان نتیجه گرفت که مدل‌های پیشنهادی (به‌ویژه مدل GWO) از قابلیت بالایی برای تخمین پارامترهای نشست سطح زمین برخوردارند.