مدل سازی تنش خاک در سدهای خاکی با روش های هوش مصنوعی و تعیین ویژگی های موثر

هدف کلی این مقاله انتخاب ویژگی های موثر و مدل سازی تنش خاک در سدهای خاکی در زمان ساخت با شبکه عصبی به کمک یک الگوریتم بهینه ساز و در ادامه نتایج مدل هیبریدی با روش های مرسومANFIS وGEP مقایسه شده است. پنج ویژگی شامل تراز خاکریزی، زمان ساخت سد، تراز مخزن (آبگیری)، سرعت آبگیری و سرعت خاکریزی به عنوان ورودی های مدل هیبریدی انتخاب شده است. با اجرای الگوریتم هیبریدی و تحلیل حساسیت و روش انتخاب ویژگی، تراز خاکریزی و زمان ساخت سد، موثرترین ویژگیها در مدلسازی تنش کل در سلول های منتخب بودند؛ زیرا ترکیب دوتایی شامل تراز خاکریزی و زمان ساخت در سلولهای TPC25.1 و TPC25.3 و TPC25.4 به ترتیب با مقادیر خطا (MSE) برابر 523/1، 747/2 و 750/0 موثرترین ویژگی ها در این سلول ها بودند. در سلول TPC25.2 انتخاب سه ویژگی تراز خاکریزی، زمان ساخت با توجه به مقدار خطای 245/5 بیش ترین تاثیر را در مدل سازی تنش کل خاک در این سلول داراست. مقایسه بین مدل ANN با ANFIS و GEP نشان داد، هرچند که اختلاف در دقت مدلها بسیار ناچیز است، می توان گفت هر سه مدل جواب قابل قبول و نزدیک به هم داشته اند. هم چنین نتایج نشان می دهد که هرچه پراکندگی داده های ورودی مدل بیشتر باشد، مدل استنتاج عصبی- فازی تطبیقی دارای توانایی بیشتری در شبیه سازی نسبت به دو مدل ANN و GEP است، زیرا در سلول TPC25.4 مدل ANFIS در دوره آزمون با شاخص های آماری R^2، RMSE ، MAEو NS به ترتیب برابر مقادیر 9955/0، 0227/0، 0185/0 و 9666/0 دارای عملکرد بهتری نسبت به دو مدل دیگر است.