تخمين نشست نسبس تاج سد سنگريزه اي با پوشش بتني با استفاده از مدل شبكه عصبي مصنوعي

يك مدل شبكه عصبي مصنوعي به منظور پيش بيني نشست نسبي تاج سد سنگريزه اي با پوشش بتني ( CFRD) توسعه داده شد. بدين منظور، از 30 داده ي ميداني كه از 7 كشور (21 مورد جهت آموزش (training) و 9 مورد جهت نشست (testing) مورد استفاده قرار گرفت) مقادير نشست پيش بيني شده با استفاده از مدل شبكه ي عصبي مصنوعي (ANN) بهينه (optimum) ، داراي تطابق خوبي با اين داده هاي ميداني هستند. ديتابيس ها از گزارشات مقادير نشست پس از ساخت تاج سد CFRD گردآوري شدند. اثبات شد كه به منظور آموزش مدل ANN جهت پيش بيني نشست نسبس تاج سد (RCS) مدل توانايي انجام اين پيش بيني را دارا مي بتشد . پتانسيل كاربرد جهت استفاده ي متداول از سه مشخصه ي پايه اي از يك سد (نسبت تخلخل(e) ، ارتفع (H) و مدل تغيير شكل قائم E ) را دارد . كارايي مدل جديد ANN با استفاده از روش هاي متداول كه بر اساس تئوري clement و همچنين با معادلات پيشنهادي مشتق شده از داده هاي ميداني مقايسه شده است . اين مقايسه نشان داد كه معدل ANN داراي يك پتانسيل قوي مي باشد و اگر از اين مدل به عنوا يك ابزار برون يابي و درون يابي سريع استفاده شود كارايي اش از روش هاي متداول بيشتر است. مدل محاسباتي متداول بر اساس اوزان اتصال گير دار ( fixed connection weights) و فاكتر هاي تمايل ( bias factors) در ساختار ANN بهينه پايه گذاري شد . اين روش ميتواند سد هاي مهندسي را در پيش بيني نشست نسبي تاج سد CFRD بعد از نگهداري پشتيبا ني كند.