پیش‌بینی دبی نشت و فشار پیزومتریک در سدهای خاکی با استفاده از مدل‌های محاسبات نرم (مطالعه موردی: سد شهید کاظمی بوکان)

سدهای خاکی همواره یکی از مولفه‌های اصلی پروژه‌های حفاظت آب‌وخاک هستند. امروزه تخمین دقیق فشار پیزومتریک و دبی نشت در سدهای خاکی با استفاده از مدل‌های عددی بر مبنای هوش مصنوعی یکی از اقدامات اساسی در مطالعات طراحی آن‌ها بشمار می‌آید. در این تحقیق با استفاده از مدل‌های محاسبات نرم شامل برنامه‌نویسی وراثتی (gp)، الگوریتم m5 و روش دسته‌بندی گروهی داده‌ها (gmdh) به پیش‌بینی فشار پیزومتریک درون‌هسته و دبی نشت سد خاکی سد شهید کاظمی بوکان پرداخته‌شده است. بدین منظور از اطلاعات ثبت‌شده در 94 ماه اخیر استفاده شد. نتایج حاصل از مدلهای هوشمند مذکور در مراحل آموزش و آزمایش نشان دادند که روشهای بکار گرفته‌شده دارای دقت مناسبی در تخمین دبی نشت و فشار آب پیزومتریک هستند. بهترین عملکرد در تخمین فشار پیزومتریک مربوط به الگوریتم m5 با ضریب تبین (r2) برابر با 0/95 و جذر میانگین مربعات خطا (rmse) برابر با 0/86 است. مدل gmdh هم با در نظر گرفتن دو واحد (ماه) تاخیر زمانی و خطای ضریب تبین 0/92 و جذر میانگین مربعات خطا 1/541 توانست دبی نشت را نسبت به سایر مدل‌ها ی هوشمند با دقت بهتری مدل‌سازی و پیش‌بینی کند. همچنین از تحقیق حاضر می توان نتیجه گرفت که به‌صورت کلی افزایش تاخیرات زمانی در اطلاعات ورودی مدل‌ها باعث افزایش سطح عملکرد مدل‌های پیشنهادی می‌شود.

Projection of seepage and piezometric pressure in earth dams using soft computational models

Earth dams are always one of the main components of water conservation projects. Nowadays, accurate estimation of piezometric pressure and seepage discharge in earth dams using numerical models and artificial intelligence (AI) approaches is one of the fundamental steps in their design studies. In this research, soft computing models including geneexpression programming (GEP), M5 algorithm and group method of data handling (GMDH) have been used to predict the piezometric pressure in the core and the seepage discharge through the body of Shahid Kazemi Boukan Earth Dam. For this purpose, the information recorded in the last 94 months has been used. The results showed that all of the applied models have permissible level of accuracy in the prediction of seepage discharge and piezometric pressure. The best performance in the piezometric pressure estimation is related to the M5 algorithm with a coefficient of determination (R2) of 0.95 and root mean square error (RMSE) of 0.86. The GMDH by considering the two units (months) delay time and with R2= 0.92 and RMSE=1.541 modeled and predicted the seepage discharge, which was more accurate than other models. In general, increasing the time delay in the input information of models generally increases the performance of proposed models.