پيش بيني تراوش از بدنه سد خاكي با استفاده از شبكه عصبي مصنوعي (مطالعه موردي: سد شهيد كاظمي بوكان)

Estimation the Seepage of the Dam body Using Artificial Neural Network (ANN) (Case Study: Boukan Shahid Kazemi Dam)

بروز تراوش در سدهاي خاكي امري اجتناب ناپذير است؛ اما مي بايست تراوش طوري مهار شود تا در مدت 50 الي 100 سال بهره برداري سد، نتواند به پايداري و ايمني سد لطمه اي بزند. باوجود تمام پيشرفت هاي صورت گرفته در علم مهندسي ژئوتكنيك، معضل تراوش تا به امروز يكي از اصلي ترين مشكلاتي است كه در سدها بروز مي كند. در اين تحقيق با استفاده از شبكه عصبي مصنوعي به پيش بيني تراوش از بدنه سد خاكي شهيد كاظمي بوكان پرداخته شد. جهت نيل به اين هدف، از مجموعه دادهاي شامل 864 داده پيزومتري استفاده شد. نتايج آزمايش مدل پيشنهادي تحقيق حاضر نشان داد كه مدل به كار برده شده دريافتن هدف مسئله كاملاً موفق و با سرعت بالا عمل ميكند. همچنين به كارگيري پارامترهاي آماري مناسب و كاربردي نشان داد شبكه ارائه شده به خوبي آموزش ديده است و قابليت بالايي در پيش بيني پديده تراوش دارد.

The occurrence of seepage in dams is inevitable but it should be harnessed to seepage within 50 to 100 years, the dam can cause damage to the stability and safety of the dam. Despite all the advances in geotechnical engineering, to date, the main problem of seepage is a problem that can be observed in the dams. In this study, an artificial neural network (ANN) used to estimate the seepage of the dam body, "Boukan Shahid Kazemi" paid. To achieve this goal, were used the piezometric data set include 864 data. The results that the proposed model showed that the model quite successful in finding purpose and high- speed operation. Using statistical parameters and applications show that the proposed network is well train and has high potential in seepage estimating.