كلية الهندسة-جامعة كركوك 
Arabic 
English ناقشت كلية الهندسة في جامعة كركوك رسالة الماجستير المقدمة من الطالبة ديرين رؤوف صابر، في تخصص الهندسة المدنية، والموسومة:
رسالة ماجستير في كلية الهندسة بجامعة كركوك تبحث التنبؤ بالتسرب في السدود الترابية باستخدام تقنيات الذكاء الاصطناعي
(Prediction of the Seepage in Earth Dams Using Artificial Intelligence, Case Study: Duhok and Darbandikhan Dams).
وتألفت لجنة المناقشة من السادة:
الأستاذ الدكتور تيمور عبد المجيد إبراهيم / هندسة موارد مائية – هايدرولوجي / جامعة كركوك – كلية الهندسة / رئيساً.
الأستاذ المساعد الدكتور وسام سمير محمد علي / هندسة مدنية – موارد مائية / جامعة تكريت – كلية الهندسة / عضواً.
الأستاذ المساعد الدكتور ماجد حسين حمد / هندسة مدنية – جيوتكنيك / جامعة كركوك – كلية الهندسة / عضواً.
الأستاذ الدكتورة جلنك أكرم عمر / هندسة مدنية – موارد مائية / جامعة كركوك – كلية الهندسة / عضواً ومشرفاً.
وتضمنت الرسالة دراسة شاملة لظاهرة التسرب في السدود الترابية، والتي تحدث تدريجياً نتيجة حركة المياه داخل جسم السد وأساساته، إذ يُعد التسرب أحد العوامل الرئيسة المسببة لانهيار السدود، لما يسببه من تعرية داخلية وعدم استقرار للمنحدرات.
وهدفت الدراسة إلى تطوير نماذج للتنبؤ بتسرب المياه في السدود الترابية باستخدام تقنيات الذكاء الاصطناعي، شملت الشبكات العصبية الاصطناعية بخوارزميتي (Backpropagation) و*(Scaled Conjugate)، والشبكات العصبية ذات الذاكرة طويلة وقصيرة المدى (LSTM)، ونظام الاستدلال العصبي الضبابي التكيفي (ANFIS) بخوارزميتي التدريب الهجينة والانتشار العكسي، إضافة إلى انحدار متجه الدعم (SVR).
واعتمدت الدراسة على بيانات تاريخية جُمعت من سدي دهوك ودربندخان، استُخدمت لتدريب النماذج واختبارها بنسبة 80% للتدريب و20% للاختبار، فيما جرى تقييم النتائج باستخدام أربعة معايير إحصائية، هي: معامل التحديد (R²)، ومتوسط الخطأ المطلق (MAE)، ومتوسط النسبة المئوية للخطأ المطلق (MAPE)، ومعامل كفاءة ناش (E-Nash).
وأظهرت نتائج الدراسة في سد دهوك، الذي يضم أربعة مقاطع تحتوي على ثمانية أجهزة لقياس الضغط، أداءً استثنائياً للشبكات العصبية الاصطناعية باستخدام خوارزمية (Scaled Conjugate)، إذ بلغت قيمة (R²) مقدار (1) في معظم البيزوميترات، فيما سجلت قيمة (MAE) مقدار (0.005) في البيزوميتر (P1)، متفوقةً بذلك على بقية النماذج من حيث دقة المطابقة. كما حققت خوارزمية الانتشار العكسي أداءً شبه مثالي، وأظهرت نماذج (LSTM) استقراراً وكفاءة عالية في التنبؤ بالتسرب.
كما سجل نظام (ANFIS) أداءً ممتازاً في عدد من أجهزة قياس الضغط، فيما أظهر نموذج (SVR) استقراراً وكفاءة تنبؤية مرتفعة عبر جميع أجهزة القياس، مؤكداً قدرته على نمذجة متغيرات التسرب بدقة عالية. وخلصت الدراسة إلى أن جميع النماذج أظهرت قدرات تنبؤية متقاربة، مع تفوق ملحوظ للشبكات العصبية الاصطناعية بخوارزمية (Scaled Conjugate) في بعض المواقع.
أما في سد دربندخان، الذي يفتقر إلى أجهزة قياس الضغط الخاصة بالتسرب، فقد جرى قياس التسرب في موقعين على جانبي السد، مع اعتماد مستويات المياه ومعدلات التدفق في المنبع كمدخلات للنماذج، بينما مثّلت قيم التسرب المقاسة مخرجات البرنامج.
وبيّنت النتائج ضعف أداء نماذج الشبكات العصبية الاصطناعية ونظام (ANFIS) في هذا السد، ما جعلها غير مناسبة للتنبؤ بالتسرب في هذه الحالة، في حين أظهرت نماذج (LSTM) و(SVR)* أداءً متميزاً ومستقراً، إذ بلغت قيمة (R²) في الموقع الأيسر (0.94583)، فيما سجلت قيمة (MAE) مقدار (0.1040)، الأمر الذي يؤكد فاعلية هذه النماذج في التنبؤ بالتسرب في سد دربندخان.
وفي ختام المناقشة، استوفت الرسالة جميع المتطلبات العلمية، ومنحت الطالبة درجة الماجستير بتقدير امتياز.
الزيارات: 4 TIMES
