حسین حکیمی خانسر - University of Tabriz
جواد پارسا - University of Tabriz
علی حسین زاده دلیر - University of Tabriz
جلال شیری - University of Tabriz

در این مطالعه قابلیت الگوریتم هیبریدی WCA-ANN در زمینه مدل سازی ضریب فشار آب حفره ای در بدنه سد کبودوال (مطالعه موردی) در زمان ساخت و تعیین ویژگی های موثر بر آن ارزیابی شده است. در این راستا از پنج ویژگی شامل تراز خاک ریزی، زمان ساخت سد، تراز مخزن (آبگیری)، سرعت آبگیری و سرعت خاک ریزی در طول دوره آماری ۴ساله به عنوان ورودی مدل هیبریدی انتخاب شدند. با اجرای الگوریتم هیبریدی و روش انتخاب ویژگی، دو ویژگی تراز خاک ریزی و زمان ساخت در نقاط RU۱۹.۱  و RU۱۹.۲  بیش ترین تاثیر را بر مدل سازی ضریب فشار آب حفره ای خاک دارند. علاوه بر دو ویژگی فوق، در نقاط محور میانی و مرکز مقطع عرضی، ویژگی های سرعت خاک ریزی و تراز آبگیری با مقدار خطا (MSE) برابر ۰۰۰۰۶/۰ و در نقاط نزدیک مخزن ویژگی های تراز آبگیری و سرعت آبگیری با مقدار خطا برابر ۰۰۰۰۴/۰، بر مدل سازی ضریب فشار آب حفره ای موثر هستند. در نهایت می توان گفت که در نقاط نزدیک به محور سد، تراز خاک ریزی و در نقاط واقع در قسمت های دورتر از محور میانی و نزدیک مخزن زمان ساخت، با ضریب حساسیت بالا به عنوان مهمترین ویژگی ها در مدلسازی ضریب فشار آب حفره ای با مدل های هوش مصنوعی شناخته می شوند.

Earthen dam, water cycle algorithm, artificial neural network, feature selection, pore water pressure coefficient., سد خاکی, الگوریتم چرخه آب, شبکه عصبی مصنوعی, انتخاب ویژگی, ضریب فشار آب حفره ای