مهران سیف الهی - University of Tabriz
سلیم عباسی - Univ. of Mohaghegh Ardabili
محمد علی لطف الهی یقین - University of Tabriz
رسول دانشفراز - University of Maragheh
فرهود کلاته - University of Tabriz
مازیار فهیمی فرزام - University of Maragheh

نشست غیرقابل پیش بینی سدهای خاکی پژوهشگران را بر آن داشته تا روش های نوین نظیر شبکه عصبی مصنوعی، تئوری موجک، منطق فازی و ترکیبی از این روش ها مورد توجه آنها قرار گیرد. در این پژوهش با استفاده از روش های هوش مصنوعی مقدار نشست تاج در سدهای سنگریزه ای با هسته مرکزی تخمین زده شده است. در این پژوهش از داده های ۳۵ سد سنگریزه ای با هسته مرکزی برای آموزش و صحت سنجی مدل ها استفاده شد. شبکه عصبی مصنوعی، مدل ترکیب تبدیل موجک و شبکه عصبی مصنوعی و سیستم استنتاج تطبیقی فازی- عصبی مدل های پیشنهادی ارائه شده در این پژوهش هستند. بر اساس نتایج حاصل در مطالعه حاضر، بهترین مدل برای شبکه عصبی مصنوعی با دو لایه مخفی که لایه اول ۱۸ نورون و لایه دوم ۷ نورون و با تابع فعال ساز Tansig-Tansig، با ضریب تعیین R۲=۰.۴۹۶۹، برای مدل سیستم استنتاج فازی- عصبی، تابع حلقوی (Dsigmoid) به عنوان تابع عضویت، با ۳ تابع عضویت و تعداد ۱۴۲ تکرار با ضریب تعیین R۲=۰.۲۸۶۰، بهترین مدل و همچنین برای ترکیب تبدیل موجک- شبکه عصبی با تابع موجک coif۲ به دلیل انطباق بیشتر این تابع با متغیرهای ورودی، عملکرد بهتری داشته و این تابع با ضریب تعیین R۲=۰.۹۴۴۷، دارای بیشترین دقت نسبت به سایر مدل ها است. 

Dam crest settlement, Rockfill dam, Artificial neural network, Wavelet transform, Neural-fuzzy., نشست تاج سد, سد سنگریزه ای, شبکه عصبی مصنوعی, تبدیل موجک, فازی – عصبی