پایان نامه پیش بینی تراوش از بدنه سد های خاکی با استفاده از روش های داده کاوی

پایان ­نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی عمران

گرایش مکانیک خاک و پی

پیش‌بینی تراوش از بدنه سدهای خاکی با استفاده از روش‌های داده‌کاوی و شبکه عصبی مصنوعی، با تکیه بر داده‌های پیزومتری سد ستارخان بررسی شده است. این پژوهش به تحلیل عوامل مؤثر بر تراوش، ارزیابی دقت مدل پیش‌بینی و نقش آن در افزایش ایمنی و پایداری سدهای خاکی می‌پردازد.

چکیده:

سدهای خاکی از مهم‌ترین سازه‌های زیربنایی در مدیریت منابع آب، کنترل سیلاب، تأمین آب شرب، توسعه کشاورزی و تولید انرژی برق‌آبی محسوب می‌شوند. با توجه به شرایط اقلیمی ایران، کاهش منابع آب قابل دسترس و پراکندگی نامناسب بارندگی، احداث سدها نقش مهمی در بهره‌برداری بهینه از منابع آب ایفا می‌کند. در گذشته هدف اصلی سدسازی تأمین آب آشامیدنی و آبیاری اراضی کشاورزی بود، اما امروزه با توسعه نیازهای صنعتی، تولید برق‌آبی، کنترل سیلاب و توسعه اقتصادی، اهمیت این سازه‌ها بیش از گذشته افزایش یافته است. ازاین‌رو، حفظ ایمنی سدهای خاکی و جلوگیری از بروز آسیب در آن‌ها از مهم‌ترین موضوعات مهندسی ژئوتکنیک به شمار می‌رود.

یکی از مهم‌ترین عوامل تهدیدکننده ایمنی سدهای خاکی، تراوش است. اگرچه وقوع تراوش در این نوع سدها اجتناب‌ناپذیر است، اما در صورت کنترل نشدن، می‌تواند موجب فرسایش داخلی، شسته شدن ذرات خاک، ایجاد رگاب، افزایش فشار منفذی و در نهایت تخریب سد شود. در گذشته روگذری مهم‌ترین علت خرابی سدها محسوب می‌شد، اما با توسعه روش‌های طراحی و افزایش ظرفیت عبور سیلاب، امروزه تراوش به عنوان مهم‌ترین عامل خرابی سدهای خاکی شناخته می‌شود. به همین دلیل، بررسی دقیق میزان تراوش و پیش‌بینی رفتار آن در مراحل طراحی، اجرا و بهره‌برداری از سد اهمیت فراوانی دارد.

در این پایان‌نامه، با هدف پیش‌بینی تراوش از بدنه سدهای خاکی با استفاده از روش‌های داده‌کاوی، از شبکه عصبی مصنوعی به عنوان یکی از شناخته‌شده‌ترین روش‌های داده‌کاوی استفاده شده است. مطالعه موردی این تحقیق سد خاکی ستارخان است و برای توسعه مدل پیش‌بینی، از 1684 داده پیزومتری استفاده شده است. داده‌های موجود پس از آماده‌سازی به دو بخش آموزش و صحت‌سنجی با نسبت 80 درصد برای آموزش و 20 درصد برای ارزیابی مدل تقسیم شده‌اند. نتایج به‌دست‌آمده نشان می‌دهد که شبکه عصبی مصنوعی توانسته است با دقت مناسب الگوی تغییرات تراوش را یاد گرفته و قابلیت بالایی در پیش‌بینی این پدیده داشته باشد.

در بخش کلیات تحقیق، اهمیت احداث سدها با توجه به شرایط اقلیمی ایران مورد بررسی قرار گرفته است. ایران بر روی کمربند خشک زمین قرار دارد و متوسط بارندگی سالانه آن حدود یک‌سوم میانگین جهانی و کمتر از نیمی از میانگین آسیا است. این شرایط سبب شده است که مدیریت صحیح منابع آب و احداث سازه‌های ذخیره آب، به یکی از ضروری‌ترین برنامه‌های توسعه کشور تبدیل شود. سدها علاوه بر ذخیره آب‌های سطحی، امکان کنترل سیلاب، توسعه شبکه‌های آبیاری، رونق کشاورزی، تأمین آب شرب و تولید انرژی برق‌آبی را فراهم می‌کنند و نقش مهمی در رشد اقتصادی و توسعه مناطق مختلف کشور دارند.

با وجود اهمیت بالای سدهای خاکی، رفتار هیدرولیکی بدنه و پی سد همواره با عدم قطعیت همراه است. حتی با انجام مطالعات ژئوتکنیکی و زمین‌شناسی پیش از ساخت، امکان پیش‌بینی کامل رفتار تراوش پس از آبگیری سد وجود ندارد. به همین دلیل، احتمال وقوع تراوش در بسیاری از سدهای خاکی امری طبیعی محسوب می‌شود. البته تا زمانی که مقدار تراوش در محدوده قابل قبول قرار داشته باشد، تهدیدی برای ایمنی سد ایجاد نمی‌کند، اما افزایش میزان تراوش یا تغییر الگوی آن می‌تواند نشانه آغاز فرسایش داخلی و کاهش پایداری سازه باشد. از این رو، پایش مستمر و پیش‌بینی دقیق میزان تراوش از مهم‌ترین اقدامات در مدیریت ایمنی سدها به شمار می‌رود.

در متن پایان‌نامه به پیامدهای ناشی از تراوش نیز اشاره شده است. تراوش می‌تواند از بدنه سد، پی سد یا تشکیلات زمین‌شناسی اطراف آن رخ دهد و علاوه بر هدررفت آب، باعث ایجاد گرادیان هیدرولیکی بالا، افزایش فشار منفذی، کاهش تنش مؤثر و وقوع پدیده‌هایی مانند رگاب و جوشش شود. این شرایط در صورت تداوم، احتمال ناپایداری و خرابی سد را افزایش می‌دهد. بنابراین، محاسبه دقیق دبی تراوش و استفاده از روش‌های مناسب برای کنترل یا کاهش آن، از نظر فنی، اقتصادی و ایمنی اهمیت فراوانی دارد.

پایان‌نامه همچنین محدودیت‌های روش‌های متداول ارزیابی تراوش را بررسی کرده است. استفاده از ابزارهای دقیق اندازه‌گیری، اگرچه اطلاعات ارزشمندی از وضعیت تراوش ارائه می‌دهد، اما مشکلاتی مانند هزینه نگهداری، نیاز به قرائت مستمر، احتمال خرابی تجهیزات در طول زمان و محدودیت در دسترسی به داده‌های کامل را به همراه دارد. از سوی دیگر، روش‌های تحلیلی کلاسیک نیز بر پایه فرضیات ساده‌کننده توسعه یافته‌اند و در برخی شرایط ممکن است نتایج آن‌ها با خطا همراه باشد. این محدودیت‌ها ضرورت استفاده از روش‌های نوین پیش‌بینی را آشکار می‌سازد.

بر همین اساس، این تحقیق استفاده از روش‌های داده‌کاوی و به‌ویژه شبکه عصبی مصنوعی را به عنوان راهکاری برای پیش‌بینی دقیق‌تر تراوش پیشنهاد می‌کند. هدف اصلی پژوهش، توسعه مدلی است که با استفاده از داده‌های حاصل از ابزار دقیق سد، بتواند رفتار تراوش را با دقت بیشتری پیش‌بینی کرده و محدودیت‌های موجود در روش‌های سنتی را کاهش دهد. استفاده از داده‌های واقعی ثبت‌شده در سد ستارخان، زمینه لازم را برای آموزش مدل و ارزیابی عملکرد آن فراهم کرده و امکان بررسی قابلیت شبکه عصبی در پیش‌بینی میزان تراوش را ایجاد کرده است.

در ادامه، پایان‌نامه به تشریح اهمیت استفاده از داده‌کاوی در تحلیل مسائل مهندسی ژئوتکنیک پرداخته است. داده‌کاوی به عنوان فرآیندی برای استخراج دانش و کشف الگوهای پنهان از میان حجم زیادی از داده‌ها معرفی شده و شامل مراحلی مانند پاک‌سازی داده‌ها، یکپارچه‌سازی، انتخاب داده، تبدیل داده، ارزیابی الگوها و استخراج دانش است. این روش با استفاده از تکنیک‌های هوشمند، امکان تحلیل داده‌های پیچیده و ارائه مدل‌های پیش‌بینی با دقت مناسب را فراهم می‌کند. در این تحقیق، داده‌کاوی به عنوان راهکاری برای پیش‌بینی تراوش از بدنه سدهای خاکی مورد استفاده قرار گرفته است.

در میان روش‌های مختلف داده‌کاوی، شبکه عصبی مصنوعی (Artificial Neural Network) به عنوان روش اصلی این پژوهش انتخاب شده است. در متن پایان‌نامه بیان شده است که شبکه‌های عصبی مصنوعی از قدیمی‌ترین و شناخته‌شده‌ترین روش‌های داده‌کاوی هستند و در سال‌های اخیر کاربرد گسترده‌ای در حوزه‌های مختلف مهندسی پیدا کرده‌اند. این مدل‌ها با الهام از ساختار مغز انسان طراحی شده‌اند و قادرند روابط پیچیده میان متغیرها را بدون نیاز به تعریف روابط ریاضی صریح شناسایی کنند. همین ویژگی موجب شده است که شبکه‌های عصبی در بسیاری از مسائل مهندسی ژئوتکنیک عملکرد موفقی داشته باشند.

بر اساس مطالب ارائه‌شده در پایان‌نامه، شبکه‌های عصبی مصنوعی تاکنون در زمینه‌های متعددی از مهندسی ژئوتکنیک مورد استفاده قرار گرفته‌اند. از جمله این کاربردها می‌توان به پیش‌بینی ظرفیت باربری شمع‌ها، مدل‌سازی رفتار خاک، مشخصات‌یابی ساختگاه، تحلیل سازه‌های نگهدارنده زمین، بررسی نشست سازه‌ها، ارزیابی پایداری شیب‌ها، طراحی تونل و مغار، تحلیل روانگرایی، بررسی نفوذپذیری، تراکم و تورم خاک و همچنین طبقه‌بندی خاک‌ها اشاره کرد. نتایج مطالعات پیشین نشان داده‌اند که این روش در بسیاری از مسائل ژئوتکنیکی دقت قابل قبولی داشته و قابلیت استفاده در پیش‌بینی رفتار پدیده‌های پیچیده را داراست.

در این پژوهش، به منظور پیش‌بینی میزان تراوش از بدنه سد خاکی ستارخان، از اطلاعات واقعی حاصل از ابزار دقیق استفاده شده است. مجموعه داده مورد استفاده شامل 1684 داده پیزومتری بوده که پس از آماده‌سازی، به دو بخش آموزش و صحت‌سنجی تقسیم شده است. 80 درصد داده‌ها برای آموزش شبکه عصبی مصنوعی و 20 درصد داده‌ها برای ارزیابی عملکرد مدل در نظر گرفته شده‌اند. استفاده از داده‌های واقعی بهره‌برداری، امکان آموزش مناسب شبکه و بررسی دقت پیش‌بینی آن را فراهم کرده است.

نتایج به‌دست‌آمده از مدل‌سازی نشان می‌دهد که شبکه عصبی مصنوعی توانسته است الگوی تغییرات تراوش را با دقت مطلوب شناسایی کند. ارزیابی مدل با استفاده از پارامترهای آماری مناسب بیانگر آن است که شبکه پیشنهادی آموزش مناسبی دیده و توانایی بالایی در پیش‌بینی میزان تراوش از بدنه سد خاکی دارد. این نتایج نشان می‌دهد که استفاده از روش‌های داده‌کاوی می‌تواند دقت پیش‌بینی را نسبت به بسیاری از روش‌های متداول افزایش داده و به عنوان ابزاری مناسب در تحلیل رفتار سدهای خاکی مورد استفاده قرار گیرد.

یکی دیگر از بخش‌های مهم پایان‌نامه، بررسی آمار خرابی سدها و تحلیل عوامل مؤثر بر شکست سدهای خاکی است. در این بخش، با مرور مطالعات انجام‌شده، تراوش به عنوان مهم‌ترین عامل خرابی سدهای خاکی معرفی شده است. همچنین تأکید شده است که شناخت عوامل ایجاد تراوش، بررسی روند تغییرات آن و پیش‌بینی رفتار آینده این پدیده، نقش مهمی در افزایش ایمنی سدها و جلوگیری از خسارات مالی و جانی دارد. این موضوع اهمیت استفاده از روش‌های دقیق و هوشمند برای پایش عملکرد سدها را دوچندان می‌کند.

مطابق نتایج این تحقیق، استفاده از مدل‌های مبتنی بر شبکه عصبی مصنوعی علاوه بر افزایش دقت پیش‌بینی، می‌تواند بسیاری از محدودیت‌های موجود در روش‌های سنتی را برطرف کند. این مدل‌ها با استفاده از داده‌های ثبت‌شده توسط ابزار دقیق، قادر به شناسایی الگوهای پنهان در رفتار تراوش هستند و بدون نیاز به فرضیات ساده‌کننده روش‌های تحلیلی، برآورد دقیق‌تری از وضعیت سد ارائه می‌دهند. به همین دلیل، بهره‌گیری از داده‌کاوی می‌تواند در پایش مستمر عملکرد سدهای خاکی و تصمیم‌گیری‌های مدیریتی نقش مؤثری داشته باشد.

در مجموع، این پایان‌نامه نشان می‌دهد که پیش‌بینی تراوش از بدنه سدهای خاکی با استفاده از روش‌های داده‌کاوی می‌تواند به عنوان روشی کارآمد برای افزایش ایمنی سدها مورد استفاده قرار گیرد. به‌کارگیری شبکه عصبی مصنوعی و استفاده از داده‌های واقعی پیزومتری سد ستارخان، امکان توسعه مدلی با دقت مناسب را فراهم کرده است. نتایج تحقیق بیانگر آن است که این مدل توانایی بالایی در پیش‌بینی تراوش داشته و می‌تواند در کنار سیستم‌های ابزار دقیق، به عنوان ابزاری مؤثر برای ارزیابی وضعیت سد، تشخیص تغییرات رفتاری، کاهش خطرات ناشی از تراوش و افزایش پایداری سدهای خاکی مورد استفاده قرار گیرد. همچنین بررسی آمار خرابی سدها و شناخت علل ایجاد تراوش، اطلاعات ارزشمندی برای طراحی، بهره‌برداری و مدیریت ایمن سدهای خاکی در اختیار مهندسان قرار می‌دهد.

Seepage prediction in body of earth-fill dams using data mining methods 

Abstract

Dams have the infrastructure and the critical values are counted. In the past, dams were for drinking water supply and agricultural purposes, but today due to hydroelectric power and other purposes has been further developed. The estimated harvest of 20 billion cubic meters of fresh water in the world is proof of the importance of dams in the world today. Hence, to investigate and prevent dam failure is of special importance. Although the phenomenon overpass, first because of the destruction of the dam, but nowadays with increasing periods of flooding, the most important problem that has attracted the attention of engineers, it is seepage. Seepage in dams is inevitable, but if there are favorable conditions for soil erosion caused leaching of vulnerable areas, and if necessary action is not done at the risk of erosion, leading to the destruction of the dams of the screw. Basically, the occurrence of seepage in dams is inevitable but it should be harnessed to seepage within 50 to 100 years, the dam can cause damage to the stability and safety of the dam. Despite all the advances in geotechnical engineering, to date, the main problem of seepage is a problem that can be observed in the dams. In this study, we tried using an artificial neural network as one of the strongest and most popular data mining techniques to estimate the seepage of the dam embankment, "Satar Khan" paid. To achieve this goal, the piezometric data set includes 1684 data were used. Training and test data set into two parts were separated by about 80 to 20. Using statistical parameters and applications show that the proposed network is well trained and has high potential in estimating leakage.

Comprehensive statistics on the failure of dams, various causes of the failure dams and seepage recognition as the most important causes of failure of dams are another important part of this research

Keywords: Statistics dams, Earthfill Dam, Seepage, Data mining, ANN