مدل سازی رفتار سدهای بتنی با استفاده از روش های شبکه عصبی مصنوعی و رگرسیون لجستیک

اندازه گیری و رفتارسنجی سد موضوع جدیدی می باشد که می تواند به دلیل تغییر پارامترهای موجود برای ارایه مدلی باشد که رفتار پارامترهای منفرد را بر روی سد و همچنین روی یکدیگر بررسی کند و تغییرات ایجاد شده را آنالیز کرده و سیاست های لازم را ایجاد کند. هدف این پژوهش ایجاد یک روش ترکیبی از رگرسیون لجستکی با بهینه سازی الگوریتم بهینه سازی گروه ذرات با مقدار حقیقی جهت پیش بینی رفتار تجهیزات سد می باشد.

در این مطالعه از داده های 365 روز، از 31/01/1397 تا 31/01/1398 که 600 مجموعه داده تجهیزات سد شامل پارامترهای دمای آب، سطح آب، فشار دریچه، میزان رسوب گذاری، فشار منافذ، دمای هوا، حجم آب ورودی، مشخصات ویژه سد، شرایط بتن، سطح آب مخزن، تغییر مکان افقی و عمودی، اجزای اتصال انتقالی و شتاب زمین، قدرت، فشار، کشش و تنش بالا برای مدل سازی استفاده شدند. برای آموزش مدل سازی الگوریتم بهینه سازی گروه ذرات مقدار حقیقی-رگرسیون لجستیک و 120 مجموعه داده جهت آزمایش استفاده گردید. برای ارزیابی عملکرد روش پیشنهادی، از چهار آماره شامل ضریب تعیین (R2)، ریشه میانگین مربعات خطا (RMSE)، ضریب پراکندگی (SI) و میانگین خطاهای انحرافی (MBE) استفاده گردید.

نتایج نشان داد که مدل در پیش  بینی فشار پیزومتریک در بدنه سد عملکرد قابل قبولی دارد. همچنین نتایج حاصل از مدل شبکه عصبی مصنوعی با کسب 930/0 R2= و 587/8SI= همگرایی قابل قبولی را نشان می  دهد. نتایج مربوط به داده های آموزش مدل نیز بیانگر این است که میانگین (µ) و انحراف معیار (σ) مدل ارایه شده، برای داده  های آموزش به ترتیب برابر با 341/1 و 526/1 می باشد و برای داده  های صحت سنجی این مقادیر برابر با 576/1 و 247/2 می  باشد که این نشان از عملکرد خوب مدل پیشنهاد   شده دارد. در معیار احتمال تجمعی، مدل پیشنهاد   شده با 940/0P50= و 742/1P90= مبین این است که نتایج قابل قبول می  باشد.

نتایج بیانگر این است که بهینه سازی گروه ذرات مقدار حقیقی-رگرسیون لجستیک در عوض به حداقل رساندن ریسک تجربی که تعمیم عالی برای اندازه های نمونه کوچک را فراهم می سازد، اصل کاهش ریسک سازه ای را اجرا می کند. نسبت مقادیر پیزومتریک پیش بینی شده به مقادیر قرایت شده برای حدود 72 درصد داده ها در این مدل در حدود یک بوده که بیانگر آموزش و قدرت پیشبینی مناسب این مدل میباشد. در نهایت بر اساس معیارهای ارزیابی مدل ترکیبی عملکرد بهتری نسبت به روش های بیان شده دارد.