عنوان

پیش بیني میزان تراوش سد خاكي با استفاده از مدل شبكه عصبي مصنوعي هیجاني و تبدیل موجک

پ۲۸۸۲۳

per

پیش بیني میزان تراوش سد خاكي با استفاده از مدل شبكه عصبي مصنوعي هیجاني و تبدیل موجک

مهران كریم زاد

عمران

۱۴۰۱

۸۳ص.

سی دی

کارشناسی ارشد

عمران گرایش مدیریت منابع آب

۱۴۰۰/۰۶/۲۷

شكست سدهاي خاكي از موارد مهم در مهندسي عمران به شمار مي رود كه مي تواند در اثر خرابي هیدرولیكي،خرابي حاصل از تراوش ، خرابي سازه اي یا سایر موارد به وقوع بپیوندد.در بسیاري از مواقع در سدهاي خاكيبه علت تراوش، هسته آن ها در معرض خرابي و گسیختگي قرار مي گیرند، از این رو مسئله تراوش، از مسائلبسیار مهم در طي مراحل طراحي، ساخت و بهره برداري از این نوع سدها است.در این تحقیق مسئله تراوش سد خاكي ستارخان با استفاده از مدل جعبه سیاه، شبكه عصبي مصنوعي هیجاني) و تركیب كردن آن با تبدیل موجکEmotional Artificial Intelligence() (Wavelet Transformدر پنج سناریو مختلف مورد بررسي قرار گرفته است. هر كدام از سناریو هايمتفاوت داراي تركیبات مختلفي از داده هاي پیزومتریک و ارتفاع بالادست سد مي باشند،براي بهبود بخشیدنبه عملكرد مدلسازي، از تبدیل موجک در داده هاي ورودي استفاده شده است.

Abstract: Failure of earth fill dams is a great concern in Civil Engineering, whichis attributed to Seepage failure, Hydraulic failure, Structural failure. Many earthfill dams are vulnerable to failures due to seepage problems that take place in thecore, thus this problem is one of the most important challenges in the design,construction and operation of this type of dams.In this paper SattarKhan dam piezometric heights have been analyzed viaEmotional Neural Network (ENN) models and a Wavelet Transform EmotionalNeural Network (W-ENN) model, based on two basical scenarios. Each scenariohas different input combinations for modeling of various conditions.To continue,as a preprocessing method to improve the modeling performance using WaveletTransorm in Data. Finally, the results of black box models are compared with theeach other models. Results show that using Wavelet Transform , improve themodeling accuracy up to 19:26 % .

Prediction seepage services using emotional artificial neural network model and wavelet transfor

كریم زاد،

‏‏مهران

تهیه کننده

شرقي،‏

نوراني،

‏الناز

‏وحید

استاد راهنما

استاد مشاور

‏تبریز