حسین حکیمی خانسر - دانشجوی دکترا، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
علی حسین زاده دلیر - ۲- استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
جواد پارسا - استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران
جلال شیری - دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

پیش بینی دقیق فشار آب حفره ای در بدنه سدهای خاکی حین ساخت، یکی از مهم ترین عوامل در مدیریت پایداری سدهای خاکی است. در این تحقیق با استفاده از سه مدل متفاوت شبکه عصبی تکاملی شامل شبکه عصبی پرسپترون چند لایه با الگوریتم ژنتیک، بهینه سازی ازدحام ذرات و الگوریتم رقابت استعماری برای تخمین فشار آب حفره ای در بدنه سدهای خاکی کبودوال استان گلستان در زمان ساخت مورد مطالعه و مقایسه قرار گرفته است. 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 هیبریدی در پیزومتر EP۱۹.۷ انتخاب شدند. ترکیب ورودی ها با استفاده از روش انتخاب ویژگی و هیبرید الگوریتم چرخه آب-شبکه عصبی مصنوعی (WCA-ANN) به دست آمده است. با اجرای الگوریتم هیبریدی و آنالیز حساسیت و روش انتخاب ویژگی، تراز خاک ریزی، زمان ساخت سد، تراز آب گیری و سرعت آبگیری به عنوان چهار ورودی برتر انتخاب شدند زیرا ترکیب این ۴ ویژگی با مقدارMSE  برابر۱۵۸۷/۱ کمترین خطا را دار بوده است. در این مطالعه وزن های شبکه عصبی به کمک سه الگوریتم فرا ابتکاری مذکور به منظور افزایش کارایی بهینه شده است. در حالت کلی با توجه به شاخص های آماری، نتایج حاکی از دقت قابل قبول هر سه مدل هیبریدی است. از لحاظ اولویت نیز مدل هیبرید ANN-GA با بیش ترین دقت و کمترین خطا و مقادیر ، RMSE و MAE به ترتیب برابر با ۹۷۷۳/۰، ۰۴۵۷/۰ و ۰۳۹۹/۰ در اولویت اول و مدل های هیبریدی ANN-PSO و ANN-ICA به ترتیب در اولویت های بعدی قرار گرفتند.

الگوریتم چرخه آب, الگوریتم ژنتیک, سد خاکی, شبکه عصبی مصنوعی, فشار آب حفره ای