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

پایان­نامه برای دریافت درجه کارشناسی ارشد در رشته مهندسی عمران

گرایش مکانیک خاک و پی

شهریور    1393 

چکیده

سدها همواره از سازه ­های زیر بنایی شمرده می‌شوند و دارای ارزش حیاتی می­باشند. در گذشته ایجاد سد عمدتاً با اهداف تأمین آب آشامیدنی و آبیاری مزارع کشاورزی بوده ولی امروز به دلیل نیاز به انرژی برق آبی و اهداف دیگر توسعه بیشتری یافته است. برآورد میزان ۲۰ میلیارد متر مکعب برداشت از آب‌های شیرین جهان خود دلیلی بر اهمیت سد­سازی در دنیای امروز است.  از این رو، بررسی و جلوگیری از خرابی سدها از اهمیت ویژه­ای برخوردار است. اگرچه در گذشته پدیده روگذری، اولین دلیل تخریب سدها بوده است اما امروزه با افزایش دوره طراحی سیلاب، عمده­ترین مشکلی که توجه مهندسان را به خود جلب کرده است، مسئله تراوش است. وجود تراوش در سدهای خاکی غیر قابل اجتناب است، اما اگر شرایط مناسبی برای فرسایش خاک وجود داشته باشد، موجب شسته شدن نقاط مستعد گردیده و چنانچه در ابتدای بروز فرسایش اقدامات لازم صورت نگیرد، به تخریب سد منجر می­شود. اصولاً بروز تراوش در سدهای خاکی امری اجتناب­ناپذیر است. اما می­بایست تراوش طوری مهار شود تا در مدت 50 الی 100 سال بهره­برداری سد، نتواند به پایداری و ایمنی سد لطمه­ای بزند. با وجود تمام پیشرفت­هایی صورت گرفته در علم مهندسی ژئوتکنیک، معضل تراوش تا به امروز اصلی­ترین مشکلی است که در سدها بروز می­کند.

در این تحقیق تلاش شد با به­کارگیری شبکه عصبی مصنوعی به عنوان یکی از قویترین و معروف­ترین روش­های داده­کاوی به پیش­بینی تراوش از بدنه سد  خاکی "ستارخان" پرداخته شود. جهت تحقق به این هدف، از مجموعه داده­ای شامل 1684 داده پیزومتری استفاده شد. مجموعه داده به دو بخش آموزش و صحت­سنجی با نسبت 80 به 20 تفکیک شدند. به­کارگیری پارامترهای آماری مناسب و کاربردی نشان داد شبکه ارائه شده به خوبی آموزش دیده است و قابلیت بالایی در پیش­بینی پدیده تراوش دارد.

 بررسی جامع آمار خرابی در سدها، علل مختلف خرابی سدهای خاکی و شناخت پدیده تراوش به عنوان مهترین علل خرابی سدهای خاکی از دیگر بخش­های مهم این تحقیق می­باشند.

کلمات کلیدی: آمار سدسازی، سدهای خاکی، تراوش، علل خرابی سدها، داده­کاوی، شبکه عصبی مصنوعی

فصل 1: کلیات

1-1- مقدمه

کشور ایران بروی کمربند خشک کره زمین قرار دارد. متوسط بارندگی در ایران در حدود یک سوم بارندگی جهان و کمتر از یک دوم متوسط بارندگی آسیا می‌باشد؛ لذا اهمیت برنامه­ریزی و مدیریت استفاده از منابع موجود آب امری حیاتی محسوب می‌شود. از این رو، شرایط اقلیمی کشور و نیاز آن به احداث سازه های ذخیره آب، احداث سدها را در دستور کار برنامه­­ریزان قرار داده است که به عنوان سازه­های مهارکننده آب‌های سطحی و کنترل سیلاب امکان استفاده بیشتر از آب رودخانه­ها را فراهم می­نمایند. مهار سیلاب­ها و آب‌های جاری به کمک احداث سد از امور زیربنائی در رشد و توسعه هر کشور از جمله ایران به شمار می­آید.

در گذشته ایجاد سد عمدتاً با اهداف تأمین آب آشامیدنی و آبیاری مزارع کشاورزی بوده ولی امروز به دلیل نیاز به انرژی برق آبی و اهداف دیگر توسعه بیشتری یافته است. برآورد میزان ۲۰ میلیارد متر مکعب برداشت از آب‌های شیرین جهان خود دلیلی بر اهمیت سد­سازی در دنیای امروز است. یکی دیگر از اهداف مهم سد­سازی بهبود و توسعه شبکه آبیاری و کشاورزی زمین­های پایین­دست است. در کشورهایی مانند ایران که پراکندگی زمانی و مکانی بارندگی­ها نامناسب است و ریزش­های جوی در فصولی صورت می­گیرد که شاید نیاز کمتری به آب باشد و یا قسمت اعظم نزولات در برخی مناطق متمرکز است، تنها راه چاره و مقابله با این مسئله احداث سد می­باشد و این امر به خصوص در کشورهای که متکی به کشاورزی هستند اجتناب­ناپذیر است. احداث سد، کسب و کار و درآمد ملی به همراه دارد. در زمان حاضر شبکه­های آبیاری وتامین آب کشاورزی در ایران باعث توسعه، بهبود و رونق اقتصادی مناطق شده است. یکی دیگر از اهداف عمده سد­سازی استفاده از نیروی الکتریسیته است. استفاده از این منبع که ارزان­ترین نوع انرژی در اغلب کشورهای دنیاست، بسته به نیاز و ویژگی­های ساختمانی، اهداف متفاوتی دارد. امروزه احداث سد با هدف تولید برق آبی یک امر متداول بوده و کشورهای پیشرفته و حتی در حال رشد کمال استفاده را از این پتانسیل موجود می­برند.

در صورت عدم توجه به شرایط ساختگاهی و ناکافی بودن مطالعات، خطر وقوع خرابی، سد را تهدید می­کند. مطالعه آماری خرابی در سدهای خراب شده با توجه به وجود شباهاتی در شرایط، امکان ارائه راهکارهای مناسب در طراحی سدها توسط مهندسین را فراهم می­کند. خرابی در سدها به اشکال مختلفی دیده می­شود، شایع­ترین علت شکت سدها خصوصاً در سال­های اخیر فرسایش در اثر تراوش و یا رگاب بوده است. اصولاً بروز تراوش در سدهای خاکی امری اجتناب­ناپذیر است. اما می­بایست تراوش طوری مهار شود تا در مدت 50 الی 100 سال بهره­برداری سد، نتواند به پایداری و ایمنی سد لطمه­ای بزند. با وجود تمام پیشرفت­هایی صورت گرفته در علم مهندسی ژئوتکنیک، معضل تراوش تا به امروز اصلی­ترین مشکلی است که در سدها بروز می­کند.

1-2- بیان مسئله

شرایط اقلیمی کشور و نیاز آن به احداث سازه های ذخیره آب، احداث سدهای خاکی را در دستور کار برنامه ریزان قرار داده است که به عنوان سازه های مهارکننده آبهای سطحی و کنترل سیلاب امکان استفاده بیشتر از آب رودخانه ها را فراهم می نمایند. با توجه به مطالعاتی که معمولا قبل از ساخت سد صورت می گیرد، همیشه نمی توان رفتار هیدرولیکی بدنه سد و یا تشکیلات زمین شناسی مجاور آن را به دقت پیش بینی کرد. بنابراین احتمال وقوع تراوش پس از ساخت سد تقریبا قطعی به نظر می رسد. شدت تراوش در بسیاری از موارد تا زمانی که ایمنی سد به خطر نیفتاده است قابل قبول می باشد. از نقطه نظر ایمنی، بررسی خطرات ناشی از تراوش و نفوذ به علت پیچیدگی ذاتی در خصوصیات آنها حائز اهمیت می باشد. بسیاری از مخازن سدهای ساخته شده در جهان دارای تراوش می باشند. این تراوش ممکن است از تشکیلات زمین شناسی ساختگاه یا پی سد و یا از بدنه سد اتفاق بیافتد. از عواقب سوء تراوش می توان به مسائل اقتصادی، گرادیان هیدرولیکی بالا که منجر به پدیده هایی نظیر رگاب یا جوشش و افزایش فشار منفذی که منجر به کاهش تنش موثر می شود اشاره کرد. از این رو، یکی از مهمترین نکات در مراحل مطالعاتی، در طول عملیات اجرایی و پس از ساخت سدهای خاکی، مسئله تراوش از پی و بدنه سد می باشد که به عنوان معضلی فرا روی طراحان سدها بوده است. لذا ضروری است که با محاسبه دقیق مقدار دبی تراوش از بدنه و پی سد و بررسی روش­های کنترل یا کاهش آن، به لحاظ فنی و اقتصادی در راستای جلوگیری از خطرات جانی و مالی پرداخته شود.

تخمین دقیق تراوش از بدنه سدهای خاکی چالشی مهم در موضوع طراحی این سازه­های عظیم می­باشد. استفاده از ابزارگذاری شاید تا حدودی تخمین دقیقی از این پدیده در اختیار قرار دهد ولی مشکلات پیش رو از جمله خرابی ابزارها در اثر زمان، صرف هزینه و نیروی انسانی متوالی جهت قرائت و...، این روش را با مشکل روبرو ساخته است. استفاده از روش های حل تحلیلی که توسط محققین مختلف پیشنهاد گردیده­اند، برای ارزیابی میزان تراوش از بدنه سدهای خاکی واقع بر بستر نفوذناپذیر به دلیل سهولت استفاده ار آن­ها، امری متداول است. ولی، این روش­های تحلیلی از فرضیاتی برای ساده سازی ساخت معادلات استفاده می­کنند که ممکن است به خطاهای بزرگ منجر شود.

بنابراین با توجه به مطالب بیان شده در بخش­های قبل، هدف این مطالعه ارائه مدل شبکه عصبی مصنوعی[1] برای پیش بینی دقیق تر میزان تراوش از بدنه سدهای خاکی و از بین بردن مشکلات فوق می­باشد. از این رو، سعی می­شود براساس داده های ابزار دقیق یک سد خاص و بکارگیری روش های داده کاوی، به پیش بینی پدیده تراوش در سدهای خاکی پرداخته شود.

1-3- اهیمت و ضرورت تحقیق

کشور ایران بروی کمربند خشک کره زمین قرار دارد. متوسط بارندگی در ایران در حدود یک سوم بارندگی جهان و کمتر از یک دوم متوسط بارندگی آسیا می‌باشد؛ لذا اهمیت برنامه­ریزی و مدیریت استفاده از منابع موجود آب امری حیاتی محسوب می‌شود. از این رو، شرایط اقلیمی کشور و نیاز آن به احداث سازه های ذخیره آب، احداث سدها را در دستور کار برنامه­­ریزان قرار داده است که به عنوان سازه­های مهارکننده آب‌های سطحی و کنترل سیلاب امکان استفاده بیشتر از آب رودخانه­ها را فراهم می­نمایند. مهار سیلاب­ها و آب‌های جاری به کمک احداث سد از امور زیربنائی در رشد و توسعه هر کشور از جمله ایران به شمار می­آید.

در گذشته ایجاد سد عمدتاً با اهداف تأمین آب آشامیدنی و آبیاری مزارع کشاورزی بوده ولی امروز به دلیل نیاز به انرژی برق آبی و اهداف دیگر توسعه بیشتری یافته است. برآورد میزان ۲۰ میلیارد متر مکعب برداشت از آب‌های شیرین جهان خود دلیلی بر اهمیت سد­سازی در دنیای امروز است. یکی دیگر از اهداف مهم سد­سازی بهبود و توسعه شبکه آبیاری و کشاورزی زمین­های پایین­دست است. در کشورهایی مانند ایران که پراکندگی زمانی و مکانی بارندگی­ها نامناسب است و ریزش­های جوی در فصولی صورت می­گیرد که شاید نیاز کمتری به آب باشد و یا قسمت اعظم نزولات در برخی مناطق متمرکز است، تنها راه چاره و مقابله با این مسئله احداث سد می­باشد و این امر به خصوص در کشورهای که متکی به کشاورزی هستند اجتناب­ناپذیر است. احداث سد، کسب و کار و درآمد ملی به همراه دارد. در زمان حاضر شبکه­های آبیاری وتامین آب کشاورزی در ایران باعث توسعه، بهبود و رونق اقتصادی مناطق شده است. یکی دیگر از اهداف عمده سد­سازی استفاده از نیروی الکتریسیته است. استفاده از این منبع که ارزان­ترین نوع انرژی در اغلب کشورهای دنیاست، بسته به نیاز و ویژگی­های ساختمانی، اهداف متفاوتی دارد. امروزه احداث سد با هدف تولید برق آبی یک امر متداول بوده و کشورهای پیشرفته و حتی در حال رشد کمال استفاده را از این پتانسیل موجود می­برند.

در صورت عدم توجه به شرایط ساختگاهی و ناکافی بودن مطالعات، خطر وقوع خرابی، سد را تهدید می­کند. مطالعه آماری خرابی در سدهای خراب شده با توجه به وجود شباهاتی در شرایط، امکان ارائه راهکارهای مناسب در طراحی سدها توسط مهندسین را فراهم می­کند. خرابی در سدها به اشکال مختلفی دیده می­شود، شایع­ترین علت شکت سدها خصوصاً در سال­های اخیر فرسایش در اثر تراوش و یا رگاب بوده است. اصولاً بروز تراوش در سدهای خاکی امری اجتناب­ناپذیر است، اما می­بایست طوری مهار شود تا در مدت 50 الی 100 سال بهره­برداری سد، نتواند به پایداری و ایمنی سد لطمه­ای بزند. با وجود تمام پیشرفت­هایی صورت گرفته در علم مهندسی ژئوتکنیک، معضل تراوش تا به امروز اصلی­ترین مشکلی است که در سدها بروز می­کند.

داده کاوی عبارت است از اقتباس یا استخراج دانش از مجموعه­ای داده، به بیان دیگر فرآیندی است که با استفاده از تکنیک­های هوشمند، دانش را از مجموعه­ای داده استخراج می­کند، به عبارت کشف الگوی پنهان از داخل مجموعه وسیع داده می­باشد. داده­کاوی دارای مراحلی مانند پاک­سازی داده‌ها، یکپارچه سازی داده‌ها، انتخاب داده‌ها، تبدیل داده‌ها، ارزیابی الگوهای پنهان و بازیابی دانش می­باشد. داده­کاوی دارای روش‌های مختلفی را از جمله، شبکه­های عصبی مصنوعی، فازی، شبکه­های عصبی-فازی تلفیقی، درخت تصمیم­گیری و ... شامل می­شود. در ادامه توضیحات مختصری از روش شبکه عصبی مصنوعی به عنوان روش استفاده در این تحقیق می­آید.

شبکه­های عصبی مصنوعی[2] (ANN) یکی از قدیمی­ترین روش­های داده کاوی می­باشند. در سال‌های اخیر کاربرد شبکه‌های عصبی مصنوعی در بسیاری از زمینه‌های مهندسی، گسترش یافته‌اند. به خصوص  ANNs برای حل بسیاری از مسائل مهندسی ژئوتکنیک بکار گرفته شده‌اند و عملکرد قابل قبولی از خود نشان داده‌اند. مروری بر ادبیات فنی نشان می‌دهد ANNs  به طور موفقیت آمیز در پیش بینی ظرفیت باربری شمع‌ها، مدل‌سازی رفتار خاک، مشخصات یابی سایت، سازه‌های نگه‌دارنده زمین، نشست سازه‌ها، پایداری شیب‌ها، طراحی تونل و مغارها، روانگرایی، نفوذپذیری خاک، تراکم خاک، تورم خاک و طبقه بندی خاک‌ها بکار رفته‌اند. تحقیقات و علاقه‌مندی به شبکه‌های عصبی از زمانی آغاز شد که مغز به عنوان یک سیستم دینامیکی با ساختار موازی و پردازشگری کاملاً مغایر با پردازشگرهای متداول شناخته شد. نگرش نوین در مورد کارکرد مغز نتیجه تفکراتی بود که در اوایل قرن بیستم توسط رامول سگال در مورد ساختار مغز به عنوان اجتماعی از اجزای محاسباتی کوچک به نام نرون شکل گرفت.

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

فهرست منابع:

[1]Fredlund, D. G. Rahardjo, H. (1993) "Soil Mechanics for Unsaturated Soils," Newyork, john Wiley and Sons, Chap. 7, P.P. 150-177.

[2]Das, B. M. (2001) "Principal of Geotechnical Engineering," Thomson-Engineering, Fifth Edition.

[3]Fredlund, D. G. Rahardjo, H. (1993) "Soil Mechanics for Unsaturated Soils," Newyork, john Wiley and Sons, Chap. 5, P.P. 110-117.

[4]US Army corps of engineers. (1986) "Engineering and Design Seepage Analysis and Control for Dams," chapter 4, seepage principles, EM-1110-2-190,.

[5]International Commission on Large Dams, (http://www.icold-cigb.org/)

[6]Middlebrooks, J. L, (1983). Report of the Dam failure. Engineering Geology, 24(1), 239-256.

[7]Gruner, C. S, (1994). Seepage in earthfill dams. Journal of Geotechnical Engineering, 109(7), 946-960.

[8]Takase, J. M, (1996). The failure of Teton dam. Engineering Geology, 12(3), 173-205.

[9]Bab, C. L., (1987). Embankment dam instrumentation manual. Published by Pearson Education, ISBN 81-7808-300-0.

[10]Kawasaki, H. et al., (2010) "Case study of a Behavior Monitoring in a Fill Dam for Accurate and Long Term Measurement," Commission Internationale Des Grands Barrages , Hanoï,, mai.

[11]Ersayin, D, (2006). Studying seepage in a body of earth-fill dam by (Artificial Neural Networks, Doctoral dissertation, Master Thesis, İzmir Institute of Technology.

[12]Miao, X. Y., Chu, J. K., Qiao, J., and Zhang, L. H, (2012). Predicting seepage of earth dams using neural network and genetic algorithm. Advanced Materials Research, 403, 3081-3085.

[13]Nourani, V., Sharghi, E., and Aminfar, M. H, (2012). Integrated ANN model for earthfill dams seepage analysis: Sattarkhan Dam in Iran. Artificial Intelligence Research, 1(2), 22 pages.

[14]Poorkarimi, S., Maghsoodian, S., MolaAbasi, H., Kordnaeij, A, (2013). Seepage evaluation of an earth dam using Group Method of Data Handling (GMDH) type neural network: A case study. Scientific Research and Essays Journal, 8(3)120-127.

[15]Kamanbedast, A., and Delvari, A, (2013). Analysis of Earth Dam: Seepage and Stability Using Ansys and Geo-Studio Software. World Applied Sciences Journal, 17(9), 1087-1094.

[16]Patterson, D. W, (1996). Artificial neural networks: theory and applications. Prentice Hall, 477 pages.

]17[ منهاج.م.ب, "مبانی شبکه های عصبی"، انتشارات دانشگاه امیرکبیر, 1377.

[18]Zadeh, L.A, "Fuzzy Sets," Information and Control, vol. 8, pp. 338-353, 1965.

[19]Nauck, D., et al., Foundations of Neuro-Fuzzy Systems: J. Wiley & Sons, 1997.

[20]Abraham, A, "Neuro Fuzzy Systems: State-of-the-art Modeling Techniques," presented at the Proceedings of the 6th International Work Conference on Artificial and Natural Neural Networks Lecture Notes in Computer Science, 2001.

[21]Rutkowski, L. and Cpalka, K, "Flexible Neuro-Fuzzy Systems , Vol. 14, No. 3, May ." IEEE Transaction on Neural Networks, vol. 14, pp. 554-574, 2003.

[22]Bartholomew , C. L. , B. C. Murray and D. L. Goins , “Embankment Dam Instrumentation Manual” , United States Department of the Interior , Bureau of Reclamation , Washington D. C. , (1987)

[23]Fell , R. , “measurement of positive pore pressure” , Geotechnical Field Instrumentation , Extension Course , Australian Geomechanics Society , Melbourn , (1987)

[24]Hanna. T. H., “Field Instrumentation in Geotechnical Engineering” , Tran Tech. Publication. , (1985)

[25]Kohonen, T, "An Introduction to Neural Computing," presented at the Proc. IEEE First Int. Conf. on  Neural Networks, 1988.

[26]Paulin, F. and Santhakumaran, A, "Classification of Breast cancer by comparing Back propagation training algorithms," International Journal on Computer Science and Engineering, vol. 3, pp. 327-332, 2011.

[27]Wang, C.M. and Huang, Y.F, "Evolutionary-based feature selection approaches with new criteria for data mining: A case study of credit approval data," Expert Systems with Applications vol. 36, pp. 5900-5908, 2009.

[28]Padmini, D, et al., "Ultimate bearing capacity prediction of shallow foundations on cohesionless soils using neurofuzzy models," Journal of Computers and Geotechnics, Elsevier, vol. 35, pp. 33-46, 2008.

[29]Braud, J.L. and Tucker, L.M, "Measured And Prediction Axial Response Of 98 Piles," Journal of Geotechnical Engineering, vol. 114, pp. 984-1001, 1988.

[30]Zhang, D. and Tsai, J.J.P, "Advances in Machine Learning Applications in Software Engineering," Idea Group Inc, 2007.

 [31]Shahin, M.A, "Use of artificial neural networks for predicting settlement of shallow foundations on cohesionless soil.", PhD thesis, University of Adelaide; 2003.

[32]Long, J. H. and Wysockey, M.H, "Accuracy of methods for predicting axial capacity of deep foundations," Geotechnical Special Publication, pp. 180-195, 1999.

نشریات مهندسین مشاور بندآب, تا سال 1388 "سد ستارخان یا سد اهر," آرشیو آب منطقه‌ای آذربایجان شرقی.

نشریات شرکت سهامی آب منطقه‌ای آذربایجان شرقی, تا سال 1388 "سد ستارخان یا سد اهر," آرشیو آب منطقه‌ای آذربایجان شرقی.