كاربرد شبكه ژنيتيك براي آموزش رابطه بين اطلاعات آزمايشگاهي و تحليل ديناميكي سدهاي بتني

در اين مقاله از شبكه هاي ژنيتيكي براي آموزش رابطه مابين اطلاعات آزمايشگاهي و عددي استفاده شده است. الگوريتم ژنتيك يك روش شناخته شده جهاني براي بهينه سازي است. اين الگوريتم يك روش بسيار آسان براي حل مسائل بهينه سازي مي باشد و در عين حال قابليت حل انواع مسائل پيچيده كه با ساير روش هاي ديگر جواب مناسبي براي آن ها يافت نمي شود، را دارا است. شبكه هاي مختلف ژنيتيكي شامل شبكه هاي يك سويه، شبكه هاي بازگشتي و شبكه هاي چند لايه مي باشند. با بررسي شبكه هاي ذكر شده شبكه هاي چند لايه بدون معلم مبناي عمل قرار گرفته است. در اين نوع آموزش، بردارهاي ورودي به شبكه ارائه گرديده بدون اينكه بردارهاي خروجي مربوطه به شبكه داده شوند. وزن هاي شبكه به صورتي اصلاح مي شوند كه بردارهايي ورودي مشابه در يك گروه بندي قرار گيرند. شبكه انتشار متقابل در اين گروه از شبكه ها قرار مي گيرد. در اين روش مدلسازي، در يك لحظه )به جاي كنترل يك نقطه براي بهينگي( نقاط بسياري را به منظور يافتن نقطه بهينه كنترل مينمايد. پس از انتخاب روش مناسب الگوريتم ژنيتيك براي مطالعه موردي سد بتني كوينا مد نظر قرار گرفته است. زيرا مدل 1/50 سد كوينا سال هاست تحت آزمايشات مختلف قرار دارد و مقدار قابل توجهي اطلاعات در مورد رفتار سد كوينا و آزمايشات انجام شده بر روي مدل 1/50 آن در دسترس مي باشد. براي تحليل ديناميكي سد از برنامه EAGD استفاده شده است. سپس تاريخچه تغيير فرم، كه در اثر رخداد 20 ثانيه زلزله ال سنترو در مدل و سد ايجاد مي شوند، از تحليل ديناميكي بدست آمده است. از اين اطلاعات براي آموزش شبكه ژتيتيكي استفاده گرديده است. نتايج نشان مي دهند كه با خروج حدود 50 درصد اطلاعات، شبكه ژنيتيكي آموزش ديده قادر به بازيابي اطلاعات با دقت 92 درصد مي باشد.