Optimization of Clay Core in Embankment Dams Using New Combined Model RM&GA, A Case Study

ABSTRACT: Optimizing all components of a zoned embankment simultaneously poses significant challenges. Hence, a more practical approach is to optimize each component individually while considering their inherent interactions. This paper focuses on determining the optimal dimensions of the central clay core in embankment dams, prioritizing stability considerations. To achieve this objective, a novel approach is presented, utilizing a combined model that integrates regression models (RMs) and genetic algorithms (GAs) for optimization. Within this framework, the genetic algorithm explores optimal configurations while incorporating constraints such as seepage rate, hydraulic gradient, and stability safety factors. These constrains are formulated by SPSS based on the calculated parameters of about 200 dam sections with different geometrics and hypothetical materials, as well as statistical analysis on 454 generated data. The outcomes of the applied proposed model on a case study demonstrate its efficacy in accurately estimating seepage rates, hydraulic gradients, and safety factors using analytical models. Moreover, the combined model offers valuable insights into determining optimal clay core dimensions and appropriate slope parameters for zoned earth dams, thereby enhancing overall cost-effective dam design and stability.

RÉSUMÉ: L'optimisation simultanée de tous les composants d'un remblai zoné pose des défis importants. Une approche plus pratique consiste donc à optimiser chaque composant individuellement en tenant compte de leurs interactions inhérentes. Cet article se concentre sur la détermination des dimensions optimales du noyau argileux central des barrages en remblai, en privilégiant les considérations de stabilité. Pour atteindre cet objectif, une nouvelle approche est présentée, utilisant un modèle combiné intégrant des modèles de régression (MR) et des algorithmes génétiques (AG) pour l'optimisation. Dans ce cadre, l'algorithme génétique explore les configurations optimales tout en intégrant des contraintes telles que le taux d'infiltration, le gradient hydraulique et les facteurs de sécurité de stabilité. Ces contraintes sont formulées par SPSS à partir des paramètres calculés d'environ 200 sections de barrage présentant différentes géométries et matériaux hypothétiques, ainsi que d'une analyse statistique de 454 données générées. Les résultats de l'application du modèle proposé à une étude de cas démontrent son efficacité pour estimer avec précision les taux d'infiltration, les gradients hydrauliques et les facteurs de sécurité à l'aide de modèles analytiques. De plus, le modèle combiné offre des informations précieuses pour déterminer les dimensions optimales du noyau d'argile et les paramètres de pente appropriés pour les barrages en terre zonés, améliorant ainsi la conception et la stabilité globales rentables du barrage.