نام پژوهشگر: علی رستم نیا

پیش بینی نشست سد نساء کرمان با استفاده از شبکه عصبی مصنوعی و داده های ابزار دقیق
پایان نامه دانشگاه تربیت معلم - تهران - دانشکده علوم زمین 1393
  علی رستم نیا   علی نورزاد

مقدار و جهت تغییر شکل¬ها در یک نقطه در داخل یا روی تاج سد در طی مراحل مختلف ساخت و بهره¬برداری از مخزن ممکن است تغییر کند. به کمک رفتار نگاری داده¬های ابزار دقیق سد می¬توان جابجایی¬¬های سد در سه جهت قائم، عمود و موازی با محور سد را اندازه¬گیری کرد. با توجه به هزینه¬های هنگفت که برای احداث سدها صرف می¬شود، نیاز به در نظر گرفتن حداکثر تمهیدات لازم است تا از ایجاد هر گونه مشکلی که در پایداری و ایمنی این سازه ایجاد اختلال می¬کند، جلوگیری شود. یکی از این مشکلات، نشست است. اگر بتوان میزان این پدیده را حتی به صورت حدودی پیش-بینی کرد می¬توان از اثرات مخرب آن جلوگیری کرد. در این پژوهش به منظور پیش بینی نشست با استفاده از شبکه¬های عصبی به ازای اطلاعات هر نشست¬سنج و فشارسنجی که در ارتفاع¬های متفاوتی در بدنه سد در دوره¬های زمانی ماهیانه قرائت شده است، از سه مؤلفه فشار، ارتفاع و زمان به عنوان پارامترهای ورودی شبکه عصبی و نشست به عنوان خروجی استفاده شده است. در مجموع از 3312 داده استفاده شده، تعداد 2484 داده در سه دسته 828 تایی به عنوان ورودی و مابقی به عنوان خروجی انتخاب شده است. در این تحقیق، 70 درصد از داده¬ها جهت آموزش، 15 درصد جهت ارزیابی و 15 درصد نیز جهت آزمون در نظر گرفته شده اند. پس از سعی و خطای بیش از 30 مدل بر اساس موارد الگوریتم آموزش، تعداد لایه های مخفی، تعداد نرون ها در لایه پنهان، توابع فعال¬سازی، تعداد تکرارهای آموزش و شروط توقف، مدل شبکه عصبی پرسپترون چند لایه با روش یادگیری پس انتشار خطا با مکانیزم لونبرگ مارکورات، تابع تبدیل لایه مخفی سیگموئدی و تابع تبدیل لایه خروجی خطی به عنوان بهترین مدل با کمترین خطا انتخاب شد. در فرایند ساخت مدل نهایی، پس از ایپاک 250ام میزان میانگین مربعات خطا فاز آزمایش به مقدار کمینه خود رسید، پس از آن به منظور جلوگیری از بیش برازش از ادامه آموزش صرف نظر شد با توجه به نتایج به دست آمده مقادیر پیش بینی شده توسط این مدل در مرحله آموزش (rmse=0.0297) نسبتاً و در فاز آزمایش (rmse=0.0177) بسیار به مقادیر واقعی آن نزدیک هستند. نتایج گرافیکی برای کل داده¬ها نشان می¬دهد که مقدار پیش بینی شده به مقدار واقعی خیلی نزدیک است، ضریب همبستگی دارای مقدار بسیار مناسب (r=0.995) می باشد. میانگین مربعات خطا (rmse=0.0265) برای این داده¬ها نیز مقدار بسیار مطلوبی را نشان می¬دهد بنابراین شبکه¬های عصبی قادرند تا نشست سد را ردیابی کرده و با یک دقت خوب پیش¬بینی نمایند. همچنین با بررسی روش¬های آماری و تجربی نتایج بدست آمده نشان داد که ضرایب تعیین پایین و جذر میانگین مربعات خطای بالا دارند و بنابراین این روابط از دقت پایینی برخوردارند و قابلیت تعمیم ندارند.