تتأثر منحدرات ضفاف السدود المائية الكبرى بشكل ملحوظ بالظروف الجيولوجية المعقدة، وعادة ما تتجاهل تصميمات التعزيز التقليدية بسلاسل الشد المسبق عدم اليقين في معلمات مقاومة التربة، كما أن طريقة التوازن الحدية تواجه صعوبة في التعامل بفعالية مع البيئات الجيولوجية المعقدة، مما يؤدي إلى ضعف موثوقية نتائج التحليل وانخفاض كفاءة الحساب. وللتغلب على هذه المشاكل، تم اقتراح طريقة تحليل موثوقية فعالة تجمع بين آلة الدعم الناشطة للتعلم (AL-SVM) وطريقة تقليل المقاومة: يمكن لآلة الدعم أن تقارب بكفاءة معيار عدم استقرار المنحدر لتحل محل عملية تقليل المقاومة المستهلكة للوقت التقليدية، محققة بذلك تقييمًا سريعًا للموثوقية؛ تقوم خوارزمية التعلم النشط بانتقاء النقاط العينية الرئيسية بالقرب من حدود القرار بشكل تكراري وذكي، مما يقلل بشكل كبير من تكاليف تدريب آلة الدعم. وتم التحقق من الطريقة المقترحة باستخدام منحدر ضفاف سد محطة النهرين، حيث تحسن كفاءة الحساب بحوالي 98% مقارنة بطريقة مونت كارلو التقليدية، مع دقة عالية، وتمكنت الطريقة من الكشف الكمي لتأثير تغيرات معلمات التعزيز على احتمال فشل المنحدر. تعمل هذه الطريقة على تحسين كفاءة ودقة تحليل موثوقية تصميم تعزيز منحدرات بسلاسل الشد المسبق تحت ظروف جيولوجية معقدة، كما أنها تعالج بشكل مبتكر مشكلة تحليل الموثوقية في ظروف التشغيل المعقدة.

تعزيز منحدر بسلاسل الشد المسبق;الموثوقية;آلة الدعم;التعلم النشط;محطة النهرين الهيدروليكية