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 ویژگی‌ها در مدل‌سازی تنش خاک به صورت مطالعه موردی (سدکبودوال) با استفاده از الگوریتم هیبرید شبکه عصبی- شبکه عصبی مصنوعی(NNA-ANN) تعیین شد و مقایسه‌ای 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 5024/0) موثرترین ویژگی‌ها در مدل‌سازی تنش کل در سلول‌ منتخب بودند. نتایج نشان داد که مدل هیبریدی در سد کبودوال با مقادیرR^2، RMSE، MAE وNS به ترتیب برابر با 9943/0، 5653/2، 9973/1 و 9999/0 دارای عملکرد بهتری در مدل‌سازی تنش کل خاک نسبت به مدل عددی با مقادیرR^2، RMSE، MAE وNS به ترتیب برابر با 9625/0، 2567/26، 1667/25 و 9772/0 است. این پیش‌بینی برای سایر سلول‌ها در مقاطع مختلف سد مذکور، نیز قابل استناد است. نتایج حاصل از این تحقیق برای ساخت گاه جدید با مشخصات ژیوتکنیکی جدید یعنی سد مسجد سلیمان نیز معتبر بود ولی برای هر ساخت گاه از ترکیب مناسب به خود باید استفاده کرد.