تخمین نشست نسبس تاج سد سنگریزه ای با پوشش بتنی با استفاده از مدل شبکه عصبی مصنوعی

یک مدل شبکه عصبی مصنوعی به منظور پیش بینی نشست نسبی تاج سد سنگریزه ای با پوشش بتنی ( CFRD) توسعه داده شد. بدین منظور، از 30 داده ی میدانی که از 7 کشور (21 مورد جهت آموزش (training) و 9 مورد جهت نشست (testing) مورد استفاده قرار گرفت) مقادیر نشست پیش بینی شده با استفاده از مدل شبکه ی عصبی مصنوعی (ANN) بهینه (optimum) ، دارای تطابق خوبی با این داده های میدانی هستند. دیتابیس ها از گزارشات مقادیر نشست پس از ساخت تاج سد CFRD گردآوری شدند. اثبات شد که به منظور آموزش مدل ANN جهت پیش بینی نشست نسبس تاج سد (RCS) مدل توانایی انجام این پیش بینی را دارا می بتشد . پتانسیل کاربرد جهت استفاده ی متداول از سه مشخصه ی پایه ای از یک سد (نسبت تخلخل(e) ، ارتفع (H) و مدل تغییر شکل قائم E ) را دارد . کارایی مدل جدید ANN با استفاده از روش های متداول که بر اساس تئوری clement و همچنین با معادلات پیشنهادی مشتق شده از داده های میدانی مقایسه شده است . این مقایسه نشان داد که معدل ANN دارای یک پتانسیل قوی می باشد و اگر از این مدل به عنوا یک ابزار برون یابی و درون یابی سریع استفاده شود کارایی اش از روش های متداول بیشتر است. مدل محاسباتی متداول بر اساس اوزان اتصال گیر دار ( fixed connection weights) و فاکتر های تمایل ( bias factors) در ساختار ANN بهینه پایه گذاری شد . این روش میتواند سد های مهندسی را در پیش بینی نشست نسبی تاج سد CFRD بعد از نگهداری پشتیبا نی کند.

کلیدواژه ها:

نشست نسبی ، سد های سنگریزه ای ، شبکه عصبی مصنوعی