عنوان

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

Number

پ۲۸۸۲۳

.Language of Text, Soundtrack etc

per

Title Proper

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

First Statement of Responsibility

مهران كریم زاد

Name of Publisher, Distributor, etc.

عمران

Date of Publication, Distribution, etc.

۱۴۰۱

Specific Material Designation and Extent of Item

۸۳ص.

Accompanying Material

سی دی

Dissertation or thesis details and type of degree

کارشناسی ارشد

Discipline of degree

عمران گرایش مدیریت منابع آب

Date of degree

۱۴۰۰/۰۶/۲۷

Text of Note

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.

Text of Note

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 % .

Variant Title

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

Entry Element

كریم زاد،

Part of Name Other than Entry Element

‏‏مهران

Relator Code

تهیه کننده

Entry Element

شرقي،‏

Entry Element

نوراني،

Part of Name Other than Entry Element

‏الناز

Part of Name Other than Entry Element

‏وحید

Dates

استاد راهنما

Dates

استاد مشاور

Entry Element

‏تبریز