برآورد مقادیر نشت از سدهای خاکی با استفاده از روش‌های هوش مصنوعی

Abstract

<strong>استفاده از پتوی رسی در مخازن سدها یکی از روش‌های اصلی کاهش نشت می‌باشد. در این مطالعه ابتدا با مدل‌سازی پتوی رسی در مخزن سد توسط روش المان محدود، با استفاده از تغییر پارامتر‌های موثر، 320 داده نشت به‌دست آمد. اعتبار‌سنجی روش المان محدود نیز با مقایسه نتایج نشت حاصل از روش المان محدود و نتایج آزمایشگاهی صورت گرفت. برای بررسی مناسب‌ترین مدل برای پیش‌بینی مقادیر نشت (حاصل از مدل‌سازی‌ها) از پنج روش هوش مصنوعی شامل: پرسپترون چند لایه (</strong><strong>MLP</strong><strong>)، برنامه‌نویسی بیان ژن(</strong><strong>GEP</strong><strong>)، تابع شعاعی(</strong><strong>RBF</strong><strong>)، رگرسیون بردار پشتیبان(</strong><strong>SVR</strong><strong>) و یک روش ترکیبی هوشمند از الگوریتم کرم شب‌تاب (</strong><strong>FFA</strong><strong>) با پرسپترون چند لایه (</strong><strong>MLP</strong><strong>-</strong><strong>FFA</strong><strong>) استفاده شد. برای همه روش‌های هوشمند مصنوعی، 75 درصد داده‌ها به‌عنوان آموزش و 25 درصد به‌عنوان تست در نظر گرفته شد. ترکیب‌های مختلف از داده‌های ورودی شامل نسبت ضریب نفوذپذیری پی به ضریب نفوذپذیری پتوی رسی (</strong> <strong>)، نسبت طول پتوی رسی به تراز آب بالا دست (</strong> <strong>)، ضخامت پی آبرفتی به ضخامت پتوی رسی (</strong> <strong>)، طول پتوی رسی به عرض هسته (</strong> <strong>) و نسبت افقی به عمودی ضریب نفوذپذیری پی آبرفتی (</strong> <strong>) برای مقایسه روش‌های ذکر شده مورد استفاده واقع شد. نتایج حاصل از روش‌های هوشمند با شاخص</strong><strong>‌</strong><strong>های زیر مورد بررسی قرار گرفتند: ریشه میانگین مربعات خطا (</strong><strong>RMSE</strong><strong>)، میانگین قدر مطلق خطا (</strong><strong>MAE</strong><strong>)، ضریب تبیین (</strong><strong>R²</strong><strong>)، نش ساتکلیف (</strong><strong>NS</strong><strong>)، شاخص ویلموت (</strong><strong>WI</strong><strong>) و دیاگرام تیلور. نتایج حاصل از مطالعه نشان داد که استفاده از روش هوشمند کرم شب‌تاب (</strong><strong>FFA</strong><strong>)، نتایج بسیار شبیه به مقادیر موجود دارد و می‌توان در بهینه‌سازی پیش‌بینی مقادیر نشت از آن استفاده کرد.</strong>