عمران و پروژه
اعتبار،چابکی،پاسخگویی

تعیین رابطه مدول الاستیسیته معادل خاک‌های چند لایه در محاسبات نشست آنی پی‌های سطحی توسط مدلسازی عددی ترکیبی FEM و EPR

https://doi.org/10.22034/cpj.2025.561493.1413
دوره 8، شماره 1 - شماره پیاپی 83
فروردین 1405
صفحه 21-37
عمران و پروژه

نوع مقاله : مقاله پژوهشی

نویسندگان

فرهاد پیرمحمدی علیشاه
مسعود مطلبیان

گروه عمران، دانشگاه آزاد اسلامی، واحد شبستر، شبستر

چکیده
تعیین نشست پی در کنار محاسبه ظرفیت باربری گسیختگی از ملزومات مطالعات ژئوتکنیک می‌باشد. در این مورد، نشست آنی پی، یکی از غالب ترین شرایط مربوط به نشست پی‌های سطحی می‌باشد. با توجه به اینکه در موارد بسیاری، خاک زیر پی دارای لایه بندی با شرایط متغیر می‌باشد، عدم توجه کافی به این تغییرات و برآورد ناصحیح پارامترها میتواند زیانبار باشد. با توجه به پیشرفت سخت افزاری و نرم افزاری رایانه ها، سرعت و دقت محاسبات در سا‌‌ل‌های اخیر افزایش یافته است. همچنین توانمندی اثبات شده روشهای مدلسازی اجزای محدود و روش‌های داده کاوی متکی بر هوش محاسباتی رایانه‌ای، امکان شبیه سازی شرایط پیچیده و بررسی ارتباط بین متغیرها به کمک تعداد داده بزرگ مبتنی بر نتایج شبیه سازی را فراهم نموده است. هدف اصلی این پژوهش ارائه رابطه‌ای برای معادل سازی مدول الاستیسیته لایه‌های خاک پی از نوع سیلت متراکم به منظور افزایش دقت محاسبات نشست آنی پی بدون نیاز به مدلسازی های پیچیده می‌باشد. بدین منظور در ابتدا توسط مدلسازی سه بعدی اجزای محدود و نرم افزار شناخته شده PLAXIS 3D مدول الاستیسیته معادل لایه‌بندی پیچیده خاک زیر پی محاسبه می‌شود. در جهت افزایش دقت و سرعت مد‌ل‌سازی، از المان صفحه برای پی استفاده شد و ضخامت لایه‌ها به صورت کسری از عرض پی منظور شد. با انجام مد‌ل‌سازی‌های سه بعدی متعدد برای شرایط متغیر ضخامت لایه ها، و مدول الاستیسیته لایه‌ها، پایگاه داده‌ای برای مدول الاستیسته معادل خاک زیر پی تولید می‌گردد. سپس تحلیل پایگاه داده و واکاوی ارتباط بین متغیرها، توسط الگوریتم رگرسیون چند جمله‌ای تکاملیEPR انجام می‌شود. رابطه بدست آمده دقت مناسبی در تخمین مدول الاستیسته معادل خاک‌های چند لایه محاسبه شده از نوع سیلت متراکم، از مدلسازی اجزای محدود نشان می‌دهد.

کلیدواژه‌ها

نشست الاستیک پی
مدول الاستیسیته معادل خاک
مدلسازی اجزای محدود
رگرسیون تکاملی
موضوعات

عنوان مقاله English

Determining the Equivalent Elastic Modulus Relationship for Multi-layered Soils in Immediate Settlement Calculations of Shallow Foundations Using Combined FEM and EPR Numerical Modeling

نویسندگان English

farhad pirmohammadi alishah
Masoud Motalbian
Department of Civil Engineering, Shab.C., Islamic Azad University, Shabestar, Iran.
چکیده English

Many of the key behaviors of concrete at the nanoscale are influenced by its internal microstructure. Adopting a nanotechnology-based approach can thus play a crucial role in identifying, analyzing, and improving the microstructural performance of concrete as a nanomaterial. In this research, the effect of metal oxide nanoparticles on the compressive strength and permeability of ordinary concrete was investigated. A total of 36 cubic specimens were prepared to evaluate compressive strength, and 4 cylindrical specimens were produced to measure permeability. The cubic specimens had dimensions of 5 × 5 × 5 cm, and the cylindrical specimens were 15 × 15 cm. Tests were conducted at curing ages of 7 and 28 days. Compressive strength tests were performed with three cement contents—350, 400, and 450 kg/m³—at varying percentages of titanium dioxide (TiO₂) nanoparticles (0%, 1%, 3%, and 5%). The permeability test was conducted only on samples with 400 kg/m³ cement content, using the same nanoparticle replacement ratios (0%, 1%, 3%, and 5%). The results showed that for concretes with cement contents of 350 and 400 kg/m³, the highest compressive strength was achieved with 5% nanoparticle content at both ages. In contrast, for the 450 kg/m³ mix, the optimum nanoparticle dosage was 3%.

Furthermore, the permeability test results indicated that the addition of nanoparticles reduced concrete permeability, reaching the minimum permeability at the 3% nanoparticle content.

کلیدواژه‌ها English

  • Elastic foundation settlement
  • Equivalent soil elastic modulus
  • Finite element modeling
  • Evolutionary regression
Abu-Farsakh, M. Y., & Chen, Q. (2012). Evaluation of the base/subgrade soil under repeated loading: phase II, in-box and ALF cyclic plate load tests [tech summary].
Alizadeh, M., & Gholami, M. (2020). Application of Evolutionary Polynomial Regression (EPR) for Estimating Dynamic Properties of Soil from Laboratory Tests. Soil Dynamics and Earthquake Engineering, 138, 106345.
Bahrami, S., & Mohammadi, A. (2019). Numerical Analysis of Shallow Foundation Settlement on Stratified Soil Layers Using 3D Finite Element Method. International Journal of Civil Engineering (Iran University of Science and Technology), 17(4), 501–515.
Brahma, P., & Mukherjee, S. (2010, December). A realistic way to obtain equivalent Young’s modulus of layered soil. In Indian geotechnical conference. Bombay, India (pp. 305-308).
Brinkgreve, R. B. J., Engin, E., & Swolfs, W. M. (2013). PLAXIS 3D 2013 user manual. Plaxis bv, Delft.
Chandrupatla, T., & Belegundu, A. (2021). Introduction to finite elements in engineering. Cambridge University Press.
Das, B. M., & Sivakugan, N. (2018). Principles of foundation engineering. Cengage learning.
Dhar, A., & Tarefder, R. (2011). An approximate spreadsheet integration method for foundation settlements in two-layered medium. International Journal of Geotechnical Engineering, 5(4), 437-446.
Ebid, A. M. (2021). 35 Years of (AI) in geotechnical engineering: state of the art. Geotechnical and Geological Engineering, 39(2), 637-690.
Erzin, Y., & Gul, T. O. (2014). The use of neural networks for the prediction of the settlement of one-way footings on cohesionless soils based on standard penetration test. Neural computing and applications, 24, 891-900.
HariBharghav, M., Madhav, M. R., & Padmavathi, V. (2017). Estimation of deformation moduli of reinforced foundation beds from load tests. In Indian geotech conf.
     Javadi, A. A., Ahangar-Asr, A., Johari, A., Faramarzi, A., & Toll, D. (2012). Modelling stress–strain and volume change behaviour of unsaturated soils using an evolutionary based data mining technique, an incremental approach. Engineering Applications of Artificial Intelligence, 25(5), 926-933.
Karimi, B., Zare, M., & Hoseini, R. (2021). Prediction of Seepage in Earth Dams using Evolutionary Polynomial Regression (EPR) Combined with Finite Element Method (FEM). Journal of Geoenvironmental Engineering,
Pantelidis, L. (2019). The equivalent modulus of elasticity of layered soil mediums for designing shallow foundations with the Winkler spring hypothesis: A critical review. Engineering Structures, 201, 109452.
Pantelidis, L. (2021). The equivalent modulus of elasticity of soil mediums for designing shallow foundations. Geotechnical and Geological Engineering, 39(5), 3863-3873.
Sasmal, S. K., & Behera, R. N. (2021). Prediction of combined static and cyclic load-induced settlement of shallow strip footing on granular soil using artificial neural network. International Journal of Geotechnical Engineering.
     Shahin, M. (2014). Artificial intelligence for modelling load-settlement response of axially loaded bored piles. Numerical Methods in Geotechnical Engineering, 491-495.
Shahin, M. A. (2015). Use of evolutionary computing for modelling some complex problems in geotechnical engineering. Geomechanics and Geoengineering, 10(2), 109-125.
[80] Shahin, M. A. (2015). "Genetic Programming for Modelling of Geotechnical Engineering Systems". In Handbook of Genetic Programming Applications (pp. 37-57). Springer International Publishing.
Yaghoubi, A., Ahmadi, S., & Karimi, B. (2023). 3D FEM Analysis of Soil-Pile-Structure Interaction considering Seismic Performance using Machine Learning Models (EPR). (Paper presented at the International Conference on Geotechnical Engineering,
 
 
  • تاریخ دریافت 01 آبان 1404
  • تاریخ بازنگری 05 آذر 1404
  • تاریخ پذیرش 08 آذر 1404
  • تاریخ اولین انتشار 08 آذر 1404
  • تاریخ انتشار 01 فروردین 1405

صفحه اصلی

ارسال مقاله

تماس با ما