ارزیابی مدل هیبریدی الگوریتم سنجاقک -شبکه عصبی مصنوعی برای مدل سازی نشست سد های خاکی هنگام ساخت

برای اندازه گیری تغییر شکل های مقطع 19 سد کبودوال، انحراف سنج های قایم و صفحات مغناطیسی نشست سنجی به تعداد 17 عدد (M1 تا M17) در بدنه و پی آن، در دوران ساخت نصب گردیده است. در این مطالعه قابلیت الگوریتم هیبریدی DA-ANNدر زمینه مدل سازی نشست در زمان ساخت و تعیین ویژگی های موثر بر آن مورد مطالعه قرار گرفته است. برای ورودی مدل هیبریدی، پنج ویژگی شامل تراز خاک ریزی، زمان ساخت سد، تراز مخزن (آبگیری)، سرعت آبگیری و سرعت خاک ریزی انتخاب گردیده است. با اجرای الگوریتم هیبریدی، آنالیز حساسیت و روش انتخاب ویژگی ترکیب سه، سه و دو ویژگی در صفحات M1، M5 و M9 به ترتیب با مقادیر خطا (RMSE) برابر 0023/0، 0024/0، 0026/0و ترکیب چهار ویژگی در صفحه M13 با مقدار خطا (RMSE) برابر 0035/0 بهترین ترکیب ورودی بوده است. سه ویژگی زمان ساخت، تراز خاکریزی و تراز آبگیری به عنوان ویژگی های مشترک در همه صفحات، موثرترین ویژگی ها در مدل سازی نشست در صفحات منتخب بوده است. در صفحات نصب شده در ترازهای بالاتر، خطای مدل سازی افزایش یافته است زیرا در صفحه M1 (دارای پایین ترین تراز نصب)، مدل ANN با توجه به شاخص های آماری R^2،SI ، NSE و NRMSE به ترتیب برابر مقادیر 9997/0، 0079/0، 9997/0 و 0079/0 در دوره آزمون دارای بهترین عملکرد نسبت به سایر صفحات داشته است. تاثیر ویژگی های تراز آب مخزن بر صفحات نصب شده در ترازهای بالاتر با توجه به ضریب حساسیت بالا، بیشتر از سایر نقاط بوده است و تراز خاکریزی کمترین تاثیر را بر مدل سازی نشست داشته است.