Εφαρμογές γεωτεχνικής παρακολούθησης με νευρονικά δίκτυα με μεθόδους πεπερασμένα στοιχεία μεθόδου

Nsubuga, Spyros

dc.contributor.author	Nsubuga, Spyros	en
dc.date.accessioned	2020-04-01T15:35:24Z
dc.date.available	2020-04-01T15:35:24Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/50013
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.17711
dc.description	Εθνικό Μετσόβιο Πολυτεχνείο--Μεταπτυχιακή Εργασία. Διεπιστημονικό-Διατμηματικό Πρόγραμμα Μεταπτυχιακών Σπουδών (Δ.Π.Μ.Σ.) “Σχεδιασμός και Κατασκευή Υπόγειων Έργων”	el
dc.rights	Αναφορά Δημιουργού-Μη Εμπορική Χρήση-Όχι Παράγωγα Έργα 3.0 Ελλάδα	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/gr/	*
dc.subject	ΣΗΡΑΓΓΕΣ, ΠΑΡΑΚΟΛΟΥΘΗΣΗ, ΝΕΥΡΟΝΙΚΑ ΔΥΚΤΥΑ, ΠΕΠΕΡΑΣΜΕΝΑ ΣΤΟΙΧΕΙΑ, ΠΑΡΑΜΟΡΦΟΣΗ	el
dc.subject	Σήραγγες	el
dc.subject	Νευρονικά δύκτυα	el
dc.subject	Πεπερασμένα στοιχεία	el
dc.subject	Tunnels	en
dc.subject	Monitoring	en
dc.subject	Neural networks	en
dc.subject	Finete elements	en
dc.title	Εφαρμογές γεωτεχνικής παρακολούθησης με νευρονικά δίκτυα με μεθόδους πεπερασμένα στοιχεία μεθόδου	en
dc.title	Application of geotechnical monitoring in tunnels with neural networks and finite elements methods	en
heal.type	masterThesis
heal.generalDescription	Η εργασία επικεντρώνεται στην αξιοποίηση δεδομένων παρακολούθησης κατά τη διάρκεια κατασκευή σηράγγων για την πρόβλεψη πιθανή υποβάθμιση στη δομή του βράχου/εδάφους με χρήση νευρωνικά δίκτυα και πεπερασμένα στοιχεία.	el
heal.classification	ΓΕΩΤΕΧΝΙΚΗ	el
heal.classification	GEOTECHNICAL	en
heal.language	el
heal.language	en
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2019-02-28
heal.abstract	The present master thesis focuses on Tunnel monitoring and the utilization of monitoring data as a means of promoting safety and reducing risks in tunnel engineering through use of artificial intelligence systems. The improvement in methods of early detection of deterioration of the rock structure around a tunnel can prevent damage to infrastructure, injury to people or loss of life. Furthermore, monitoring deformation allows the increase of safety margins without giving any negative effects to structures on the job site. The S1 tunnel of the Egnatia Highway was excavated in the complex geological system of the Pantokrator Limestone with fractured and loose cataclastic gouge using the New Austrian Tunneling Method. Tunnel deformation was monitored using geotechnical and geodetic tunnel monitoring systems and the measured data have been used to establish an artificial neural network model to predict crown settlement. Finite Element Analyses have also been conducted. Results from both methods are compared with the field measurements, and the observations lead to promising conclusions on the use of Artificial Neural Networks in tunneling engineering. Emphasis is on the prediction of ground deformation due to tunneling using artificial neural networks, particularly crown settlements through the combination of field measurements, analytical relations in relation to the ground condition and tunneling method.	en
heal.abstract	Η παρούσα διπλωματική εργασία επικεντρώνεται στην παρακολούθηση σηράγγων και στη αξιοποίηση δεδομένων παρακολούθησης ως μέσο προώθησης της ασφάλειας και μείωσης των κινδύνων στη μηχανική των σηράγγων μέσω της χρήσης συστημάτων τεχνητής νοημοσύνης. Η βελτίωση των μεθόδων έγκαιρης ανίχνευσης της υποβάθμισης της δομής του βράχου γύρω από μια σήραγγα μπορεί να αποτρέψει επιζήμιες φθορές, καταστροφή σε υποδομές, τραυματισμό ανθρώπων ή ακόμα και απώλεια ζωής. Επιπλέον, η παρακολούθηση των παραμορφώσεων σηράγγων θα επιτρέψει την αύξηση των περιθωρίων ασφαλείας χωρίς να υπάρξουν αρνητικές επιπτώσεις στις δομές του χώρου εργασίας. Η σήραγγα S1 της Εγνατίας οδού κατασκευάστηκε στο σύνθετο Ασβεστολιθικού γεωλογικό σύστημα του Παντοκράτορα σε κατακερματισμένη και χαλαρή κατακλαστική εδαφική δομή με την εφαρμογή της Νέας αυστριακής Μέθοδος Εκσκαφής σηράγγων. Οι παραμορφώσεις της σήραγγας παρακολουθήθηκαν με χρήση γεωτεχνικά και γεωδαιτικά συστήματα παρακολούθησης σηράγγων, και τα δεδομένα που μετρήθηκαν έχουν χρησιμοποιηθεί για την υλοποίηση ενός μοντέλου Τεχνητού Νευρωνικού Δικτύου (ΤΝΔ) για την πρόβλεψη της παραμόρφωσης στη στέψη της σήραγγας. Επίσης, έχουν διεξαχθεί αναλύσεις με τη χρήση μοντέλων πεπερασμένων στοιχείων για την ίδια σήραγγά. Τα αποτελέσματα και από τις δύο μεθόδους συγκρίνονται με τις μετρήσεις πεδίου και οι παρατηρήσεις οδηγούν σε ελπιδοφόρα συμπεράσματα σχετικά με τη χρήση τεχνητών νευρωνικών δικτύων στη μηχανική των σηράγγων. Έμφαση δίνεται στην πρόβλεψη παραμορφώσεων εδάφους λόγω εκσκαφή μίας σήραγγας με τη χρήση Τεχνητών Νευρωνικών Δικτύων, ιδιαίτερα στη στέψη με συνδυασμό μετρήσεις πεδίου, αναλυτικών σχέσεων συμπεριφοράς εδαφών και τη μέθοδο διάνοιξη της σήραγγας.	el
heal.advisorName	Γεωργιάννου, Βασιλική	el
heal.advisorName	Τσακίρη, Μαρία	el
heal.advisorName	Γεωργιάννου, Βασιλική	en
heal.advisorName	Τσακίρη, Μαρία	en
heal.committeeMemberName	Γεωργιάννου, Βασιλική	el
heal.committeeMemberName	Τσακίρη, Μαρία	el
heal.committeeMemberName	Γερόλυμος, Νικόλος	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Μηχανολόγων Μηχανικών	el
heal.academicPublisherID	ntua
heal.numberOfPages	130 σ.	el
heal.fullTextAvailability	true