شبیه سازی شبکه عصبی مصنوعی در برآورد ماکزیمم دبی خروجی شکست سدهای خاکی و زمان شکست

تاکنون مدل های زیادی جهت تشریح فرآیند پیچیده شکست سدهای خاکی و سیل ناشی ازآن پیشنهاد شده است. این مدل ها شامل مدل های فیزیکی، ریاضی ویا کامپیوتری می باشند. از جمله این مدل ها، مدل BREACH می باشد که بطور وسیع درقرن اخیر مورد استفاده قرارگرفته است. این مدل بر مبنای روابط فرسایش، قوانین هیدرولیک، انتقال رسوب و مکانیک خاک پایه گذاری شده است و توانایی محاسبه ابعاد نهایی مقطع شکست و هیدروگراف خروجی شکست را دارد. لیکن پیچیدگی و مشکلات ناشی از جمع آوری داده ها در استفاده از مدل های موجود، باعث استفاده از روش های نوین دیگری شده است. در این تحقیق یک روش جدیدبااستفاده از شبکه عصبی مصنوعی برای پیش بینی ماکزیمم دبی خروجی شکست سدهای خاکی و زمان شکست که در محاسبات مربوط به روندیابی سیل و زمان اخطار در پایین دست سد حائز اهمیت فراوانی می باشد ارائه گردیده است. برای این کار پارامترهای شکست ۱۱۵ سد بطور مصنوعی بوسیله مدل BREACH محاسبه وازآنها برای آموزش وآزمون شبکه عصبی مصنوعی استفاده گردید. عملکرد مدلهای شبکه عصبی مصنوعی با تغییر پارامترهای ورودی موردبررسی قرارگرفت، موثرترین مدل برای تعیین پتانسیل شکست و پارامترهای موثرورودی بطورخلاصه ارائه گردید. بهترین ساختار حاصله بدست آمده برای ماکزیمم دبی خروجی دارای ضریب همبستگی برای آموزش و آزمون به ترتیب ۹۹۲/۰ و ۹۰۹/۰ و برای زمان شکست ساختاری با ضریب همبستگی برای آموزش و آزمون به ترتیب ۹۹۳/۰ و ۸۸۴/۰ حاصل گردید. در پایان نیز مطالعه موردی بروی سد ملاصدرا صورت گرفته و پارامترهای شکست سد با استفاده از شبکه عصبی مصنوعی حاصله، مدل BREACH و روابط پیشنهادی محققین مختلف تعیین و نتایج مورد ارزیابی قرار گرفت. بامقایسه بین نتایج بدست آمده، ماکزیمم دبی خروجی شکست و زمان شکست سد ملاصدرا بدست آمده از شبکه عصبی مصنوعی همخوانی خوبی را با مقادیر بدست آمده از مدل BREACH و روابط پیش بینی محققین مختلف نشان می دهد.

کلیدواژه ها:

Artificial Neural Network ، BREACH mathematical model ، Breach time ، Embankment dams breach ، Peak breach outflow