شبيه سازي پارامترهاي سازه اي سد بتني دو قوسي با استفاده از شبكه ي عصبي مصنوعي ديناميكي، مطالعه ي موردي: سد اميركبير كرج

Simulation of structural parameters of two-arched concrete dam using dynamical artificial neural network,case study: Amir Kabir dam of Karaj

سدها از مهم ترين منابع تأمين‌كننده ‌ي نيازهاي آبي بشر در بخش-هاي مختلف مي باشند. ازاين‌رو بررسي مسائلي كه مربوط به ايمني سازه ي سد است، حائز اهميت مي باشد. تاكنون مدل هاي بسياري جهت شبيه سازي پارامترهاي مربوط به پايداري پيشنهادشده است. ازجمله‌ ي اين مدل ها شبكه عصبي مصنوعي مي باشد كه به‌طور وسيع در قرن اخير مورداستفاده قرارگرفته است. ساختار شبكه عصبي مصنوعي الهام گرفته از مغز انسان و نرون هاي زيستي است و ارتباط بين نرون ها عملكرد شبكه را تعيين مي كند. در اين مطالعه، ابتدا به تحليل استاتيكي خطي سازه ي سد بتني دو قوسي اميركبير كرج در نرم افزار ABAQUS تحت بارهاي وارده به بدنه-ي سد همچون نيروهاي هيدوراستاتيكي آب، بار ناشي از وزن سد و بارهاي ناشي از تغييرات دما پرداخته‌شده است. سپس جهت شبيه-سازي خروجي هاي به‌دست‌آمده از اين تحليل از شبكه عصبي مصنوعي ديناميكي در فضاي برنامه نويسي MATLAB بهره گرفته‌شده است. عملكرد شبكه عصبي با استفاده از ساختارهاي دولايه و سه لايه شبكه براي 4 نوع خروجي استخراج‌شده از نرم افزار ABAQUS تنش اصلي حداكثر، جابه جايي حداكثر در بدنه ي سد، جابه‌جايي در نقطه مركزي تاج سد موردبررسي قرارگرفته است. هدف اين مطالعه، بررسي كارآمدي شبكه هاي عصبي مصنوعي در پيش بيني پارامترهاي سازه اي سد نظير جابه‌جايي و تنش است. معيار انتخاب بهترين ساختار براي شبكه عصبي بين حالت هاي دولايه و سه لايه كمترين مقدار خطاي RMSE است. كمترين مقادير اين ضريب به ترتيب براي چهار خروجي نام-برده شده در حالت دولايه 012/0، 088/0، 000008/0 و 09/0 و براي حالت سه لايه 022/0، 079/0، 0000081/0 و 043/0 به‌دست‌آمده است. با توجه به مقادير فوق مي توان فهميد كه اختلاف چنداني بين دو حالت سه لايه و دولايه وجود ندارد و عملكرد مدل در هر دو حالت مناسب بوده است. براي ارزيابي كارايي مدل شبكه عصبي داده هاي شبيه‌سازي‌شده با مقادير واقعي آن در سه بخش آموزش و آزمون و صحت سنجي مقايسه شده اند. نتايج برآمده از اين تحقيق نشان-دهنده –ي كارايي مناسب شبكه عصبي مصنوعي ديناميكي به‌عنوان روشي برتر براي شبيه سازي پارامترهاي پايداري همراه با كاهش زمان محاسبات است.

The dams are the most important providing resources human water demands at different related to sections. hence problems studying dam structure security are important until now many models for simulation of stability Parameters are recommended . among these models is artificial neural network that extensively is used in recent century. structure artificial neural network inspired of human brain and biological nerouns and relation between nerouns determines network function. in This study, in intial level a linear static analysis for Amirkabir two arcs concrete dam in ABAQUS software is gotten thorough,under entered loads to dam like water hydrostatic powers, dam weight power and powers arising from temperature changes. Then for simulation of obtained outputs of this analysis, is used of dynamical artificial neural network in MATLAB software. Neural networkfounction is studied with the use of two and three layers for indicated of output. Outputs are including, maximum main stress,dam maximum displacement and dam cerst central point of maximum displacement. Aim of this study is investigation artificial neural network function for forecast dam structural parameters like stress and displacement. Selection index of the best structure artificial neural network between two layers and three layers is minmum RMSE error amount.minimum amount of this factor for mentioned four outputs under two layers state obtained, 0.012,0.088, 0.000008, 0.09. these amounts are 0.022,0.079,0.0000081 and 0.043 for three layers state. There isn,t too much difference between two and three layers. There for model founction has been adapted for assessment neural network founction simulation data with real amount is compared for three section train, test and validation. The result of this study shows that dynamic artificial neural network is a for simulation of better method stability parameters with reduction of accounting time.