میلاد مرادی سارخانلو - فارغ التحصیل کارشناسی ارشد مهندسی عمران - سازههای هیدرولکی، دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران ایران
وهب توفیق - استاد دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران
محسن قائمیان - استاد دانشکده مهندسی عمران، دانشگاه صنعتی شریف، تهران، ایران

در سال های اخیر، در دسترس بودن تکن یکهای یادگیری ماش ین برای پیشبینی و تفس یر رفتار ساختاری سدها مورداستفاده قرار گرفته است. هدف این مقاله نحوه انتخاب یک مدل یادگیری ماشین با دقت و عملکرد مناسب برای پیش بینیرفتار سازه های سد با در نظر گرفتن داده ها ی جمع آوری شده به مدت ۱۳ سال از ابزارهای موجود در سازه سد است. این امر مستلزم انتخا ب چندین روش یادگیری ماش ین مانند جنگلهای تصادفی RF، درختان رگرسیون تقویت شده BRT، شبکه های عصبی مصنوعی ANN ، رگرسیون برداری پشتیبانی SVR و الگوریتم های رگرسیون درخت تصمیم DTR است. در این مقاله، با در نظر گرفتن ۶ متغیر هدف تعریفشتتده از ابزار دقیق پاندول، رفتار س با استفاده از مدل هاییادگیری ماشین انتخابی مدل سازی می شود . ارزیابی مدل های ساخته شده با ا ستفاده از سه شاخص اندازه گیری خطا R,MSE,MAE و تکنی کهای صحت سنجی و راستی آزمایی مدل انجام شده است . بنابراین، در این مقاله کار گسترده ای در مورد ارزیابی و صحت سنجی مدل های مبتنی بر داده برای تجزیه و تحلیل رفتار سد مورد مطالعه ارایه شدهاست. تکنیک های صحت سنچی شامل صحت سنجی داده های تاریخی، صحت سنجی پیش بینی و رفتار باقیمانده ها در زمان است. بدین ترتیب، مدل درختان رگرسیون تقویت شده BRT در فرآنید ارزیابی و صحت سنجی مدل، بهترین انطباق و دقت را در بخشهای یادگیری و پیشبینی رفتار سد قوسی مورد مطالعه را داشته است.

پیش بینی رفتار سد، ابزار دقیق پاندول، یادگیری ماشین، سد قوسی، جابجایی شعاعی، صحت سنجی مدل