كارايي مدل هيبريدي NNA-ANN در مدل‌سازي تنش خاك در بدنه ‌سد‌هاي ‌خاكي‌ در زمان ساخت و مقايسه با مدل عددي (مطالعه موردي سدكبودوال)

تخمين دقيق مقادير تنش خاك در بدنه سد خاكي در زمان ساخت از اقدامات ضروري براي مديريت پايداري آن است. در اين پژوهش، تأثيرگذارترين ويژگي‌ها در مدل‌سازي تنش خاك به صورت مطالعه موردي (سدكبودوال) با استفاده از الگوريتم هيبريد شبكه عصبي- شبكه عصبي مصنوعي(NNA-ANN) تعيين شد و مقايسه‌اي بين نتايج مدل هيبريدي با مدل عددي صورت پذيرفت. پنج ويژگي شامل تراز مخزن، تراز خاكريزي، زمان ساخت، سرعت آبگيري و سرعت خاكريزي براي ورودي مدل هيبريدي هوشمند انتخاب گرديد. با استفاده از الگوريتم هيبريدي و روش انتخاب ويژگي، تركيب سه ويژگي، شامل تراز خاكريزي، زمان ساخت سد و تراز آب گيري (با RMSE برابر با 5024/0) مؤثرترين ويژگي‌ها در مدل‌سازي تنش كل در سلول‌ منتخب بودند. نتايج نشان داد كه مدل هيبريدي در سد كبودوال با مقاديرR^2، RMSE، MAE وNS به ترتيب برابر با 9943/0، 5653/2، 9973/1 و 9999/0 داراي عملكرد بهتري در مدل‌سازي تنش كل خاك نسبت به مدل عددي با مقاديرR^2، RMSE، MAE وNS به ترتيب برابر با 9625/0، 2567/26، 1667/25 و 9772/0 است. اين پيش‌بيني براي ساير سلول‌ها در مقاطع مختلف سد مذكور، نيز قابل استناد است. نتايج حاصل از اين تحقيق براي ساخت گاه جديد با مشخصات ژئوتكنيكي جديد يعني سد مسجد سليمان نيز معتبر بود ولي براي هر ساخت گاه از تركيب مناسب به خود بايد استفاده كرد.