تخمین تراوش سدخاکی با استفاده از مدل ترکیبی یادگیری عمیق و تبدیل موجک

نویسندگان

1 دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران

2 دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران

3 دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران

4 دانشکده مهندسی عمران، دانشگاه تبریز، تبریز، ایران

doi
10.22060/ceej.2024.22535.8007
چکیده

پیش‌بینی تراوش یکی از ابزارهای مهم در پیشگیری از فرسایش و تخریب سدهای خاکی است. در سال‌های اخیر باتوجه‌به عدم‌قطعیت، پیچیدگی و غیرخطی‌بودن روابط حاکم بر تراوش، استفاده از روش‌های هوش مصنوعی برای تخمین و پیش‌بینی این پدیده موردتوجه قرار گرفته است. هدف از این پژوهش تخمین تراوش سدخاکی ستارخان است. این سد در شمال غربی ایران قرار دارد. برای دستیابی به این هدف، در این پژوهش از شبکه حافظه بلند - کوتاه‌مدت و مدل ترکیبی موجک - شبکه عمیق در دو سناریو متفاوت استفاده شده است و نتایج به‌دست‌آمده از این مدل‌ها با شبکه عصبی پیشرو مقایسه شده است. نتایج به‌دست‌آمده نشان داد که شبکه‌های بازگشتی عمیق در مدل‌سازی پدیده تراوش، به دلیل ارتباط بازگشتی خروجی با ورودی در هر گام زمانی و توانایی یادگیری وابستگی‌ها در دنباله‌ای از زمان‌های قبل، نسبت به شبکه‌های عصبی پیشرو دقت تخمین بالاتری دارند به‌طوری که باعث افزایش دقت مدل‌سازی تا 7% شده است. هم چنین مدل ترکیبی موجک - شبکه عمیق نسبت به سایر مدل‌ها عملکرد بهتری دارد به‌طوری که دقت مدل‌سازی را تا 10% افزایش داده است. درنهایت می‌توان نتیجه گرفت که استفاده از شبکه‌های بازگشتی عمیق و مدل ترکیبی موجک - شبکه عمیق در مدل‌سازی تراوش، توانایی بهبود دقت تخمین در پیش‌بینی این پدیده را دارند.