26285

ارزيابي قابليت اطمينان سازه سد بتني با استفاده از شبكه عصبي خود سازمان ده و تئوري خاكستري

كارشناسي ارشد

مهندسي عمران- آب و سازه‌هاي هيدروليكي

1397

1400/8/30

ناصر شابختي

مهندسي عمران

سدها از مهم‌ترين سازه‌هاي بتني هستند كه به منظور مهار آب‌هاي سطحي در هر كشوري با اهداف مختلف مانند بهره برداري از آب شرب، توليد برق، تأمين آب كشاورزي و موارد ديگر ساخته مي‌شوند. در سالهاي اخير، شبكه‌هاي عصبي مصنوعي كارايي و ارزش بالاي خود را در گستره وسيعي از مسائل مربوط به شاخه‌هاي مختلف مهندسي براي سرعت بخشيدن به فرآيندهاي محاسباتي نشان داده‌اند. همچنين استفاده از شبكه‌هاي عصبي مصنوعي خود سازمان‌ده جهت ارائه راه حل براي آن دسته از مسائل كه راه حلي براي آنها وجود ندارد و يا حل آنها به راحتي قابل دسترس نيستند نتايج قابل توجهي را نشان داده‌اند.در اين پژوهش، به منظور ارزيابي قابليت اطمينان سدهاي بتني، از ساختار تئوري خاكستري فازي و شبكه عصبي خود سازمان‌ده استفاده مي‌شود. علاوه بر اين، با استفاده از اين رويكرد بار نهايي سازه از تحليل غيرخطي مبتني بر رفتار الاستوپلاستيك مصالح سازه بدست مي‌آيد كه در نوع خود استفاده از يك حالت حدي جديد مي‌باشد. همچنين با توجه به اين كه روش پيشنهادي براي اولين بار در سازه‌هاي هيدروليكي مورد مطالعه و بررسي قرار مي‌گيرد نيز، از اين رو يك جنبه نوآوري براي ارزيابي قابليت اطمينان در اين سازه‌ها محسوب مي‌شود. در بين رويكردهاي ارزيابي شده، مسئله‌اي كه بيشتر به چشم مي‌خورد، استفاده از شبكه‌هاي عصبي پايه به منظور ارزيابي داده‌هاي موجود است. استفاده از شبكه‌هاي عصبي پايه ممكن است حجم داده‌ها و پردازش را افزايش دهد. با توجه به اين كه مسئله قابليت اطمينان، يك چالش مبتني بر زمان است، لذا كاهش زمان اجرا و ارزيابي مي‌تواند در كارايي تحليل‌ها بسيار كارا باشد. به طور كلي، يك روش ارزياب سطح قابليت اطمينان در سدهاي بتني، در نظر گرفتن تصادفي بودن و خاكستري بودن پارامترها و مبهم بودن معيارهاي شكست ارائه شده‌است. در اين پژوهش ابتدا با توجه به اين كه حجم داده‌هاي پردازشي بسيار بالاست، اطلاعات موجود، با استفاده ازساختار شبكه‌عصبي خود سازمان‌ده، مديريت مي‌شوند. با توجه به اين كه در شبكه عصبي خود سازمان‌ده ابعاد داده‌ها به صورت قابل توجهي كاهش پيدا مي‌كند، از اين رو ارائه يك روش جديد ارزيابي قابليت اطمينان بر اساس اين رويكرد، مي‌تواند ضمن حفظ كارايي و افزايش سرعت، هزينه محاسبات را نيز كاهش دهد. سپس، براي تعيين كميت خصوصيات خاكستري متغيرهاي تصادفي، نمونه‌گيري پيوسته بوت‌استرپ در تئوري سيستم خاكستري اعمال مي‌شود. براي جبران ناتواني در توصيف معيارهاي شكست فازي، ساختار نمونه برداري مبتني برمدل، بهينه سازي خواهد شد.

1401/01/15

Evaluation of reliability of concrete dam structures using self-organized neural network and Gray theory

11/21/2022 12:00:00 AM

Dams are one of the most important concrete structures that are used to control surface water in any country with different purposes such as drinking water, electricity generation, agricultural water supply, and other items. In recent years, Artificial neural networks, efficiency, and high value to speed up computational processes in a wide of issues engineering topics branches at various. also, The use of self-organizing neural networks to provide solutions to those problems for which there is no solution or whose solution is not easily accessible has shown significant results. In this research, in order to evaluate the reliability of concrete dams, the fuzzy gray theoretical structure and self-organizing neural network are used. In addition, using this approach, structural loads are obtained from nonlinear analysis based on the elastoplastic behavior of structural materials, which is a kind of a new limit state. Also, considering that the proposed method is studied for the first time in hydraulic structures, it is, therefore, an innovative aspect to evaluate the reliability of these structures. Among the evaluated approaches, the most common problem is the use of basic neural networks to evaluate the available data. The use of neural networks may increase the volume of data and processing. Given that the issue of reliability is a time-based challenge, reducing execution time and evaluation can be very effective in the efficiency of analysis. In general, a method for estimating the level of reliability in concrete dams is considered, considering the randomness and grayness of the parameters and the ambiguity of the failure criteria. In this study, first, due to the fact that the volume of processing data is very high, the available information is managed using a self-organizing neural network structure. Due to the fact that in the selforganizing neural network, the size of the data is significantly reduced,the introduction of a new method of assessing reliability based on this approach, while maintaining efficiency and increasing the cost of computing can be reduced. Then, in order to quantify the gray properties of the random variables, continuous bootstrap sampling is applied in the gray system theory. To compensate for the inability to describe the criteria of fuzzy failure, the structure of the vector sample based on the model, will be "optimized".

Mehran Rafieiyan

Dr. Naser Shabakhti