بخشی از مقاله
خلاصه
سدها از مهمترین منابع تأمینکنندهی نیازهای آبی بشر در بخشهای مختلف میباشند. ازاینرو بررسی مسائلی که مربوط به ایمنی سازهی سد است، حائز اهمیت میباشد. تاکنون مدلهای بسیاری جهت شبیهسازی پارامترهای مربوط به پایداری پیشنهادشده است. ازجملهی این مدلها شبکه عصبی مصنوعی میباشد که بهطور وسیع در قرن اخیر مورداستفاده قرارگرفته است.
ساختار شبکه عصبی مصنوعی الهام گرفته از مغز انسان و نرونهای زیستی است و ارتباط بین نرونها عملکرد شبکه را تعیین میکند. در این مطالعه، ابتدا به تحلیل استاتیکی خطی سازهی سد بتنی دو قوسی امیرکبیر کرج در نرمافزار ABAQUS تحت بارهای وارده به بدنه-ی سد همچون نیروهای هیدوراستاتیکی آب، بار ناشی از وزن سد و بارهای ناشی از تغییرات دما پرداختهشده است.
سپس جهت شبیهسازی خروجیهای بهدستآمده از این تحلیل از شبکه عصبی مصنوعی دینامیکی در فضای برنامهنویسی MATLAB بهره گرفتهشده است. عملکرد شبکه عصبی با استفاده از ساختارهای دولایه و سه لایه شبکه برای 4 نوع خروجی استخراجشده از نرمافزار ABAQUS تنش اصلی حداکثر، جابهجایی حداکثر در بدنهی سد، جابهجایی در نقطه مرکزی تاج سد موردبررسی قرارگرفته است. هدف این مطالعه، بررسی کارآمدی شبکههای عصبی مصنوعی در پیشبینی پارامترهای سازهای سد نظیر جابهجایی و تنش است. معیار انتخاب بهترین ساختار برای شبکه عصبی بین حالتهای دولایه و سه لایه کمترین مقدار خطای RMSE است.
کمترین مقادیر این ضریب به ترتیب برای چهار خروجی نامبرده شده در حالت دولایه 0/012، 0/088، 0/000008 و 0/09 و برای حالت سه لایه 0/022، 0/079، 0/0000081 و 0/043 بهدستآمده است. با توجه به مقادیر فوق میتوان فهمید که اختلاف چندانی بین دو حالت سه لایه و دولایه وجود ندارد و عملکرد مدل در هر دو حالت مناسب بوده است.
برای ارزیابی کارایی مدل شبکه عصبی دادههای شبیهسازیشده با مقادیر واقعی آن در سه بخش آموزش و آزمون و صحت سنجی مقایسه شدهاند. نتایج برآمده از این تحقیق نشاندهنده –ی کارایی مناسب شبکه عصبی مصنوعی دینامیکی بهعنوان روشی برتر برای شبیهسازی پارامترهای پایداری همراه با کاهش زمان محاسبات است.
.1 مقدمه
سدها ازجمله مخازن ذخیرهی آب میباشند، که باهدف ذخیرهسازی مناسب و ایجاد تعادل بین آبدهی رودخانهها و نیازهایی همچون کنترل سیلاب، تفریح، آبیاری و تولید برق ساخته میشوند. ازاینرو بررسی عواملی که باعث برهم ریختن این تعادل گردد، بسیار مهم است. سدهای بتنی دو قوسی ازجمله سازههایی هستند که با توجه به عملکرد متفاوت سازهای آنها نسبت به سدهای بتنی وزنی، ارزیابی مستمر ایمنی آنها اهمیت فراوان دارد. ازنظر انجمن ایمنی سد کانادا،1 سد ایمن سدی است که خطر غیرقابل جبرانی به مردم و اموال وارد نکند و دارای شاخص ایمنی قابلقبول باشد .[1]
پایداری سد منوط به حفظ انسجام و یکپارچگی آن در دوران بهرهبرداری تحت بارگذاریهای متفاوت و وقایع احتمالی در طول عمر مفید سازه است. و عواملی همچون افزایش تنش، تغییر شکل، لغزش و واژگونی و ... باعث ایجاد اختلال در عملکرد سد بهخصوص در نگهداری و عدم رهاسازی بدون کنترل آب مخزن نشود. افزایش تنش در بتن سدهای قوسی میتواند نشانگر حرکت به سمت توسعه یک خرابی جزئی یا شکست جزئی باشد که درنهایت میتواند منجر به خطر کلی برای ایمنی سد شود .[2] بنابراین کنترل ایمنی و پایداری سدها از اهمیت به سزایی برخوردار است. برای این منظور پارامترهای فیزیکی مهمی در سدها بررسی میشوند که از مهمترین آنها تغییر شکلها و تنشهای ایجادشده در بدنهی سد ناشی از بارهای وارده است.
اندازهگیری پارامترهای ذکرشده برای سدهای حجیم و پیچیده و در نظر گرفتن اثرات همزمان بارهای وارده بر سد در این پارامترها همانند سدهای بتنی قوسی زمانبر، پرهزینه و نیازمند دقت بالایی است. به همین جهت انجام برخی روشهای غیرمستقیم برای تخمین این پارامترها بیشازپیش نمایان است. مدلهای متعددی در این زمینه تاکنون مورداستفاده قرارگرفتهاند. در این میان مدلهای شبیهسازی برای سیستمهای پیچیده که امکان پیادهسازی و اجرای یک الگوریتم برای حل آن وجود نداشته باشد، کاربرد بیشتری دارند. از ملاکهای مهم روشهای شبیهسازی جلب رضایت و اطمینان کاربر از طریق دخالت دادن و درگیر کردن آن است .[3]
امروزه با پیشرفت روشهای رایانهای و ازجمله هوش مصنوعی استفاده از مدل شبکههای عصبی مصنوعی بهطور گسترده موردتوجه قرارگرفته و محققان بر دقت بالای این روش در مقایسه با روش تجربی و رگرسیونی تأکید کردهاند [4] و .[5] سال 1943 میلادی را میتوان سال شروع شبکههای عصبی دانست. در این سال اولین شبکه عصبی با چند نرون ساده توسط مک کلاچ و والتر پیتز تهیه گردید، که قدرت محاسباتی قابلتوجهی داشت .[6] اولین قانون آموزشی شبکههای عصبی توسط هب در سال 1949 طراحی گردید. وی ثابت کرد که اگر دو نرون همزمان فعال گردند در آن صورت لازم است که قدرت ارتباط بین آنها افزایش یابد.
دهههای 1950 و 1960 میلادی سال شکوفایی و تحول شگرف در شبکههای عصبی و تولید شبکه عصبی به نام پرسپترون بود. قانون آموزشی این شبکه یک روش تکراری اصلاح وزن است. در سال 1970 میلادی تحقیقات متعددی در مورد شبکههای با حافظه مشارکتی انجام شد، که در تشخیص صدا به کار گرفتهشده است. با ابداع روش انتشار برگشتی توسط پارکر و لی چن در دهه 1980 تحولی در شبکههای عصبی صورت گرفت. هاپفیلد نیز تعدادی از شبکههای عصبی را بر اساس وزن ثابت ارائه داد، که بهصورت حافظه مشارکتی عمل نموده و امکان حل مسائلی توأم با قیود را میسر کردند .[7]
امروزه از مدلهای شبکه عصبی بهطور گسترده برای پیشبینی پارامترهای منابع آب استفاده میشود. مقایسهی بین شبکه عصبی مصنوعی و شبکه عصبی بیزین جهت تخمین رسوب رودخانه سیمینهرود واقع در آذربایجان غربی، حاکی از برتری و توانایی بالای شبکه عصبی بیزین در تخمین مقادیر بیشینه و کمینه با کمترین معیارهای ارزیابی بوده است.[8]
برای تخمین جریان رودخانه لیقوان در قالب مقایسه عددی و ترسیمی از شبکه عصبی مصنوعی و مدل اتورگرسیو بهره گرفتهشده است، که مدل شبکه عصبی مصنوعی با ساختار سه لایه و حافظه پنج ورزه از دقت بالایی بهرهمند بوده است .[9] بهمنظور پیشبینی رفتار لرزهای تحت تغییرات هندسهای در سدهای وزنی بتنی از شبکه عصبی مصنوعی استفادهشده است.
برای هندسه سازه کهعموماً وابسته به ارتفاع است چهار حالت مختلف در نظر گرفتهشده و برای به دست آوردن پارامترهای سازهای در نرمافزار ABAQUS تحت تحلیل غیرخطی لرزهای قرارگرفته است. و سپس پارامترهای بهدستآمده بهصورت بیبعد به شبکه عصبی انتقال دادهشده است. نتایج نشاندهنده کاهش زمان محاسبات و مقادیر خطا برای چهار حالت هندسه از 4 درصد تا 20 درصد است. و اگر تعداد بیشتری نمونه برای آموزش ساخته شود مقدار خطا بهطور چشمگیر کاهش مییابد .[10] در مطالعهای جهت آنالیز تغییر شکل سد که جزء وظایف مهم نظارت بر ایمنی سدهاست، از چهار مدل رگرسیون خطی، استاتیکی، شبکه عصبی BP و مدلی تلفیقی بر مبنای شبکه عصبی BP استفادهشده و برای یک مورد خاص بررسیشده است.
دقت هر چهار مدل به ترتیب برابر با 1/19، 0/38، 0/34 و 0/28 میلیمتر است، که دقت مدل تلفیقی کمتر از سایرین بوده است. بدین ترتیب میتوان فهمید که مدل انتخابشده در دقت پیشبینی تغییر شکل و قضاوت در مورد ایمنی سد تأثیرگذار است .[11] لذا این تحقیق در نظر دارد تا توانایی شبکههای عصبی را در پیشبینی پارامترهای مربوط به ایمنی سد با استفاده از دادههای استخراجشده از مدلسازی در نرمافزار ABAQUS مورد ارزیابی قرار دهد. بدین منظور از اطلاعات در دسترس مربوط به سد امیرکبیر کرج استفادهشده است. هدف اصلی از این تحقیق توسعه مدل شبکه عصبی مصنوعی دینامیکی برای شبیهسازی پارامترهای مربوط به پایداری ازجمله جابهجایی حداکثر در کل بدنه و تاج سد، تنشهای ایجادشده در بدنه سد و شاخص پایداری است.
.2 معرفی سد امیرکبیر کرج
جدول - 1 - مشخصات عمومی سد کرج و شکل - 1 - هندسهی مدل شدهی سازهی سد را نشان میدهد. بهمنظور مدلسازی سد امیرکبیر کرج دادههای مربوط به سد موردمطالعه مطابق جدول 1 گردآوریشده است. همچنین اطلاعات دما و تراز آب پشت مخزن سد مربوط به پنج سال متوالی سد امیرکبیر کرج از سالهای 90 تا 95 تهیهشده، سپس مقادیر متوسط آنها محاسبه و در نظر گرفتهشده است.
