حسین حکیمی خانسر - Ph.D Candidate, University of Tabriz / Department of Water Engineerin
جواد پارسا - Assistant Professor, Department of Water Engineering, University of Tabriz, Iran
علی حسین زاده دلیر - Professore, Department of Water Engineering, University of Tabriz, Iran
جلال شیری - Associate Professor, Department of Water Engineering, University of Tabriz, Iran

یکی از  موارد مهم در مدیریت پایداری سدهای خاکی، تخمین دقیق مقدار فشار آب حفره ای در بدنه سد در حین ساخت آن است. در این تحقیق از سه مدل متفاوت شبکه ی عصبی مصنوعی (ANN)، سیستم استنتاج عصبی- فازی تطبیقی (ANFIS) و برنامه نویسی بیان ژن (GEP) برای تخمین فشار آب حفره ای در بدنه سدهای خاکی کبودوال استان گلستان در زمان ساخت مورد مطالعه و مقایسه قرار گرفت. پنج ویژگی شامل تراز خاک ریزی، زمان ساخت سد، تراز مخزن (آبگیری)، سرعت آبگیری و سرعت خاک ریزی در طول دوره آماری ۱۳۸۸-۱۳۹۱ یا ۴ ساله به عنوان ورودی مدل ها در ۴ پیزومتر نصب شده در بدنه سد استفاده شده است. سه ویژگی نخست با توجه به تابع همبستگی متقابل موثرترین ورودی ها بودند. نتایج نشان داد که شبکه عصبی مصنوعی در دو پیزومتر با توجه به شاخص های آماری، جواب های دقیق تری نسبت به برنامه ریزی بیان ژن ارائه کرده است ولی در دو پیزومتر دیگر این امر برعکس بود. همچنین مدل های ANFIS و GEP در پیزومترهایی که دارای پراکندگی بیشتری بودند جواب های دقیق تری نسبت به مدل ANN ارائه کردند. در نهایت بر اساس مدل GEP روابط ریاضی بین متغیرهای ورودی و متغیر خروجی استخراج شد که برتری این مدل را نسبت به دیگر مدل ها نشان می دهد.

Earth dam, artificial neural network (ANN), adaptive neural-fuzzy inference system (ANFIS) and gene expression programming (GEP), pore water pressure., سد خاکی, شبکه ی عصبی مصنوعی (ANN), سیستم استنتاج عصبی- فازی تطبیقی (ANFIS) و برنامه نویسی بیان ژن (GEP), فشار آب حفره ای.