مدل‌سازی تنش خاک در سدهای خاکی با روش‌های هوش مصنوعی و تعیین ویژگی‌های موثر

نوع مقاله : مقاله پژوهشی

نویسندگان

1 دانشگاه تبریز

2 دانشجوی دکتری سازه‌های آبی، گروه علوم و مهندسی آب، دانشگاه تبریز،

3 استاد، گروه علوم و مهندسی آب، دانشگاه تبریز

4 دانشیار، گروه مهندسی آب، دانشکده کشاورزی، دانشگاه تبریز، تبریز، ایران

چکیده

هدف کلی این مقاله انتخاب ویژگی‌های موثر و مدل‌سازی تنش خاک در سدهای خاکی در زمان ساخت با شبکه عصبی به کمک یک الگوریتم بهینه‌ساز و در ادامه نتایج مدل هیبریدی با روش‌های مرسومANFIS وGEP مقایسه شده است. پنج ویژگی شامل تراز خاکریزی، زمان ساخت سد، تراز مخزن (آبگیری)، سرعت آبگیری و سرعت خاکریزی به عنوان ورودی‌های مدل هیبریدی انتخاب شده است. با اجرای الگوریتم هیبریدی و تحلیل حساسیت و روش انتخاب ویژگی، تراز خاکریزی و زمان ساخت سد، مؤثرترین ویژگیها در مدلسازی تنش کل در سلول‌های منتخب بودند؛ زیرا ترکیب دوتایی شامل تراز خاکریزی و زمان ساخت در سلولهای TPC25.1 و TPC25.3 و TPC25.4 به ترتیب با مقادیر خطا (MSE) برابر 523/1، 747/2 و 750/0 موثرترین ویژگی‌ها در این سلول‌ها بودند. در سلول TPC25.2 انتخاب سه ویژگی تراز خاکریزی، زمان ساخت با توجه به مقدار خطای 245/5 بیش‌ترین تأثیر را در مدل‌سازی تنش کل خاک در این سلول داراست. مقایسه بین مدل ANN با ANFIS و GEP نشان داد، هرچند که اختلاف در دقت مدلها بسیار ناچیز است، می‌توان گفت هر سه مدل جواب قابل‌قبول و نزدیک به هم داشته‌اند. هم‌چنین نتایج نشان می‌دهد که هرچه پراکندگی دادههای ورودی مدل بیشتر باشد، مدل استنتاج عصبی- فازی تطبیقی دارای توانایی بیشتری در شبیه‌سازی نسبت به دو مدل ANN و GEP است، زیرا در سلول TPC25.4 مدل ANFIS در دوره آزمون با شاخص‌های آماری R^2، RMSE ، MAEو NS به ترتیب برابر مقادیر 9955/0، 0227/0، 0185/0 و 9666/0 دارای عملکرد بهتری نسبت به دو مدل دیگر است.

کلیدواژه‌ها

موضوعات


عنوان مقاله [English]

Simulation of soil stress in earth dams using artificial intelligence models and determination of effective features

نویسندگان [English]

  • Javad Parsa 1
  • Arvand Hakimi Khansar 2
  • Ali Hoseinzadeh dalir 3
  • Jalal Shiri 4
1 Tabriz University
2 PhD candidate, Department of Science and Water Engineering, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
3 29th Boulevard University Sq
4 Associate Professor, Water Engineering Department, Faculty of Agriculture, University of Tabriz, Tabriz, Iran
چکیده [English]

The general purpose of this paper is to select effective features and model soil stress in earth dams at the time of construction with the neural network using an optimization algorithm and then compare the results of the artificial neural network model with usual ANFIS and GEP methods. Five features including fill level, dam construction time, reservoir level (dewatering), dewatering speed and embankment speed were selected as hybrid model inputs. By performing hybrid algorithm and sensitivity analysis and feature selection method, fill level and dam construction time, the most effective features were in modeling the total stress in selected cells, because the dual composition including fill level and construction time in TPC25.1, TPC25.3 and TPC25.4 cells, The error values (MSE) of 1.523, 2.747 and 0.750 were the most effective features in these cells, respectively. In TPC25.2 cell, the selection of three features including fill level, construction time and dewatering level according to the error (MSE) value of 5.245, has the greatest effect in modeling the total soil stress in this cell. Comparison between ANN model with ANFIS and GEP showed that although the difference in the accuracy of the models is very small, it can be said that all three models had acceptable answers. The results also show that the higher the dispersion of the model input data, the more the ANFIS model has the ability to simulate than the two models ANN and GEP,

کلیدواژه‌ها [English]

  • Earth Dam
  • PSO-ANN hybrid algorithm
  • feature selection
  • ANFIS
  • Soil vertical stress