کارایی مدل هیبریدی NNA-ANN در مدل سازی تنش خاک در بدنه سد های خاکی در زمان ساخت و مقایسه با مدل عددی (مطالعه موردی سدکبودوال)

تخمین دقیق مقادیر تنش خاک در بدنه سد خاکی در زمان ساخت از اقدامات ضروری برای مدیریت پایداری آن است. در این پژوهش، تاثیرگذارترین ویژگی ها در مدل سازی تنش خاک به صورت مطالعه موردی (سدکبودوال) با استفاده از الگوریتم هیبرید شبکه عصبی- شبکه عصبی مصنوعی(NNA-ANN) تعیین شد و مقایسه ای بین نتایج مدل هیبریدی با مدل عددی صورت پذیرفت. پنج ویژگی شامل تراز مخزن، تراز خاکریزی، زمان ساخت، سرعت آبگیری و سرعت خاکریزی برای ورودی مدل هیبریدی هوشمند انتخاب گردید. با استفاده از الگوریتم هیبریدی و روش انتخاب ویژگی، ترکیب سه ویژگی، شامل تراز خاکریزی، زمان ساخت سد و تراز آب گیری (با RMSE برابر با ۵۰۲۴/۰) موثرترین ویژگی ها در مدل سازی تنش کل در سلول منتخب بودند. نتایج نشان داد که مدل هیبریدی در سد کبودوال با مقادیرR^۲، RMSE، MAE وNS به ترتیب برابر با ۹۹۴۳/۰، ۵۶۵۳/۲، ۹۹۷۳/۱ و ۹۹۹۹/۰ دارای عملکرد بهتری در مدل سازی تنش کل خاک نسبت به مدل عددی با مقادیرR^۲، RMSE، MAE وNS به ترتیب برابر با ۹۶۲۵/۰، ۲۵۶۷/۲۶، ۱۶۶۷/۲۵ و ۹۷۷۲/۰ است. این پیش بینی برای سایر سلول ها در مقاطع مختلف سد مذکور، نیز قابل استناد است. نتایج حاصل از این تحقیق برای ساخت گاه جدید با مشخصات ژئوتکنیکی جدید یعنی سد مسجد سلیمان نیز معتبر بود ولی برای هر ساخت گاه از ترکیب مناسب به خود باید استفاده کرد.

کلیدواژه ها:

انتخاب ویژگی ، سلول تنش سنجی خاک ، المان محدود ، هوش مصنوعی