عنوان

آنالیز تراوش در سد خاکی ستارخان با استفاده از مدلهای شبکه عصبی مصنوعی و ریاضی

‭۱۰۶۱پ‬

per

آنالیز تراوش در سد خاکی ستارخان با استفاده از مدلهای شبکه عصبی مصنوعی و ریاضی

/الناز شرقی

تبریز: دانشگاه تبریز، دانشکده فنی مهندسی عمران، گروه سازه های هیدرولیکی

‮‭۱۴۳‬ ص.‬

: مصور، جدول، نمودار، عکس ‮‭۳۰‬*‮‭۲۹‬ س.م.- + یک لوح فشرده

چاپی

واژه نامه بصورت زیرنویس

کتابنامه ص: ‮‭۱۴۴-۱۴۶‬

کارشناسی ارشد

مهندسی عمران - سازه های هیدرولیکی

‮‭۱۳۸۶/۰۶/۳۱‬

تبریز: دانشگاه تبریز، دانشکده فنی مهندسی عمران، گروه سازه های هیدرولیکی

نظر به افزایش روزافزون تعداد سدهای خاکی در کشور از یک طرف و مشکلات مربوط به بهره برداری از آنها از طرف دیگر، مدلسازی مطلوب و بهینه سدهای خاکی کشور اجتناب ناپذیر به نظر می رسد. در این راستا بررسی مسیر ، مقدار تراوش و فشار های ایجاد شده در بدنه سدهای خاکی اهمیت وافری درانجام مطالعات پایداری سد خواهد داشت.در این تحقیق برای بررسی ارتفاعات پیزومتریک بدنه سد خاکی ستارخان از مدل شبکه عصبی مصنوعی چند لایه پیشرو استفاده گردید . در مدل شبکه عصبی مصنوعی مثل سایر مدلهای جعبه سیاه نیاز به جزئیات اطلاعات فیزیکی سد وجود نداشته و فقط با استفاده از داده های چند ساله سطح ایستابی در پیزومترهای کار گذاشته شده در بدنه سد و همینطور ارتفاع آب در بالا دست و پائین دست سد اقدام به واسنجی و صحت سنجی مدل های ارائه شده برای هر پیزومترگردید .در ادامه با معرفی و افزودن یک نرون دیگر به لایه ورودی تحت عنوان نرون موقعیت که به آن اندیس هر پیزومتر اختصاص می یابد، یک مدل واحد که توانایی مدل کردن سه بعدی را داشت ایجاد و مورد آزمایش و صحت سنجی قرار گرفت.ارزشیابی نتایج حاصل حاکی از آن است که مدل شبکه عصبی مصنوعی می تواند جایگزین نسبتا مناسبی برای مدل عددی المانهای محدود باشد که پایه و اساس اغلب مدلهای کامپیوتری تراوش می باشد و اغلب نیاز به جزئیات زیادی از داده های فیزیکی داشته و ممکن است با مشکلات پایداری عددی روبرو گردد.بعلاوه با توجه به اینکه اغلب شرایط طبیعی یک سد خاکی بعد از ساخت بنا به مشکلات اجرایی ایده آل نخواهد بود ، استفاده از یک مدل پویا که بر اساس داده های مشاهداتی و شرایط موجود پایه ریزی شده باشد می تواند پرفایده باشد.

Dam and dam construction have been of great importance in water resources development and hydropower generation. Earthfill dams are constructed with local material and require relatively low budget, and are therefore more widespread, especially in developing countries, such as Iran. For design and construction of such dams, an accurate prediction of seepage path through the dam has an important role in the dam stability.In this study multilayer feed forward artificial neural network model was used to analyze seepage through the Sattarkhan earthfill dam in Iran. In the artificial neural network, like other black box models, there is no need for excessive physical information on the dam. Using water levels in pizometers placed in multi sections of the dam and the water levels in the upstream and downstream,calibration and verification were done for each pizometer. In continue, by adding an extra neuron to the input layer as a position index a unique ANN model was developed in order to create a 3D model. Finally the proposed model was verified using the verification data set. In order to increase the proposed model efficiency,it was also tried to enter multi-section pizometers data as input layer neurons. The results revealed that the ANN model performed as good as a physically based model, i.e. finite element method (FEM) which uses more physical details and also is prone to problems of numerical instability and lack of convergence.Furthermore considering the usual shortcoming in the earthfill dam construction,application of a real time model which has been created by observed data and current conditions will be useful.

Earthfill dam Seepage

Artificial Neural Network

Finite Element Method

Black box Modeling

شرقی، الناز

نورانی، وحید، استاد راهنما

اعلمی، محمد تقی، استاد مشاور

سیاه و سفید

نمایه‌سازی قبلی