ارزیابی مدل هیبریدی الگوریتم سنجاقک -شبکه عصبی مصنوعی برای مدل‌سازی نشست ‌سد‌های ‌خاکی‌ هنگام ساخت

نویسندگان

1 استادیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

2 دانشیار گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران.

3 دانشجوی دکترا، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

4 استاد، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایرانعضو هیات علمی دانشگاه تبریز

doi
10.22034/ws.2022.50325.2459
چکیده

برای اندازه‌گیری تغییر شکل‌های مقطع 19 سد کبودوال، انحراف سنج‌های قائم و صفحات مغناطیسی نشست‌سنجی 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 مدل‌سازی نشست در زمان ساخت و تعیین ویژگی‌های مؤثر 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 ویژگی‌های مشترک در همه صفحات، مؤثرترین ویژگی‌ها در مدل‌سازی نشست در صفحات منتخب بوده است. در صفحات نصب‌شده در ترازهای بالاتر، خطای مدل‌سازی افزایش یافته است زیرا در صفحه M1 (دارای پایین‌ترین تراز نصب)، مدل ANN با توجه به شاخص‌های 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. تأثیر ویژگی‌های تراز آب مخزن بر صفحات نصب‌شده در ترازهای بالاتر با توجه به ضریب حساسیت بالا، بیشتر از سایر نقاط بوده است و تراز خاکریزی کمترین تأثیر را بر مدل‌سازی نشست داشته است.