fa شبیه‌سازی فشار آب حفره‌‌ای در بدنه ‌سد‌های ‌خاکی‌ در زمان ساخت با ترکیب الگوریتم‌های فرا ابتکاری و ANFIS عمومی Ggeneral پژوهشي Research <div style="text-align: justify;">پیش‌بینی دقیق فشار آب حفره‌ای در بدنه سدهای خاکی در زمان ساخت با روش‌های دقیق یکی از مهم‌ترین ارکان در مدیریت پایداری سدهای خاکی است. هدف کلی از این تحقیق توسعه مدل‌های ترکیبی، بر مبنای سیستم استنتاج عصبی فازی و الگوریتم‌های بهینه‌سازی فرا‌ ابتکاری است. در این راستا الگوریتم‌های فرا ابتکاری بهینه‌ساز شامل الگوریتم ژنتیک (GA)، ازدحام ذرات (PSO)، تفاضل تکاملی (DE)، کلونی مورچگان برای فضای پیوسته (ACOR)، جستجوی هارمونی (HS)، رقابت استعماری (ICA)، کرم شب تاب (FA) و گرگ خاکستری(GWO) به‌منظور بهبود عملکرد آموزش سیستم استنتاج عصبی فازی، استفاده شد. سه ویژگی شامل تراز خاکریزی، زمان ساخت سد و تراز مخزن (آبگیری) حاصل از ابزار دقیق سد به‌عنوان ورودی مدل‌های ترکیبی انتخاب شدند. ارزیابی‌هایی انجام‌ شده از مقایسه مدل‌های ترکیبی با شاخص‌های آماری، نشان‌دهنده دقت قابل ‌قبول هر هشت مدل ترکیبی است. نتایج تحقیق نشان داد مدل ترکیبی الگوریتم ژنتیک در دوره آزمون با مقادیر ، RMSE، NRMSE وMAE &nbsp;به‌ترتیب برابر با مقادیر0/9540، 0486/، 0/1232 و 0/0345، بهترین عملکرد را نسبت به سایر الگوریتم‌های بهینه‌ساز دارد. همچنین الگوریتم‌های ترکیبی ANFIS-GA، ANFIS-PSO، ANFIS-ICA،ANFIS-HS عملکرد بهتری را نسبت بهANFIS-GWO، ANFIS-FA، ANFIS-ACOR و ANFIS-DE در بهبود آموزش شبکه ANFIS و پیش‌بینی فشار آب حفره‌ای در بدنه سدهای خاکی در زمان ساخت، دارند.</div> <div style="text-align: justify;">Accurate prediction of pore water pressure in the body of earth dams during construction with accurate methods is one of the most important components in managing the stability of earth dams. The main objective of this research is to develop hybrid models based on fuzzy neural inference systems and meta-heuristic optimization algorithms. In this regard, the fuzzy neural inference system and optimizing meta-heuristic algorithms including genetic algorithms (GA), particle swarm optimization algorithm (PSO), differential evolution algorithm (DE), ant colony optimization algorithm (ACOR), harmony search algorithm (HS), imperialist competitive algorithm (ICA), firefly algorithm (FA), and grey wolf optimizer algorithm (GWO) were used to improve training system. Three features including fill level, dam construction time, and reservoir level (dewatering) obtained from the dam instrumentation were selected as the inputs of hybrid models. The results showed that the hybrid model of the genetic algorithm in the test period had the best performance compared to other optimization algorithms with values of R2, RMSE, NRMSE, and MAE equal to 0.9540, 0.0866, 0.1232, and 0.0345, respectively. Also, ANFIS-GA, ANFIS-PSO, ANFIS-ICA, and ANFIS-HS hybrid algorithms performed better than ANFIS-GWO, ANFIS-FA, ANFIS-ACORE, and ANFIS-DE in improving ANFIS network training and predicting pore water pressure in the body earthen dams at the time of construction.</div> سد خاکی, ANFIS, الگوریتم‌های فرا ‌ابتکاری, فشار آب حفره‌ای, ابزار دقیق سد Earth dam, ANFIS, Meta-heuristic algorithms, Pore water pressure, Dam instrumentation. 21 37 http://jstnar.iut.ac.ir/browse.php?a_code=A-10-3729-2&slc_lang=fa&sid=1 H. Hakimi Khansar حسین حکیمی خانسر hakimi1904@yahoo.com Yes University of Tabriz دانشگاه تبریز A. Hosseinzadeh Dalir علی حسین زاده دلیر ahdalir@tabrizu.ac.ir No University of Tabriz دانشگاه تبریز J. Parsa جواد پارسا jparsa78@gmail.com No University of Tabriz دانشگاه تبریز J. Shiri جلال شیری j_shiri2005@yahoo.com No University of Tabriz دانشگاه تبریز