پیش بینی فشار در شبکه های آبرسانی با استفاده از شبکه های عصبی مصنوعی و استنتاج فازی

Authors

محمد کارآموز

مسعود تابش

سارا نظیف

علی مریدی

abstract

فشار نقاط مصرف در شبکه های آب رسانی یکی از مهم ترین پارامترهای هیدرولیکی است که می تواند در مدیریت بهینه شبکه های توزیع آب مورد استفاده قرار گیرد. از آن جایی که فشار، اثرات متفاوتی بر پارامترهای مختلف مدیریت شبکه، همچون عملکرد هیدرولیکی، قابلیت اطمینان، پایداری شبکه و نشت دارد، لذا شناسایی روند تغییرات و تعیین میزان آن از اهمیت بسیاری در سطوح مختلف مدیریتی برخوردار است. بخش قابل توجهی از آب ورودی به شبکه های توزیع آب شهری به صورت نشت به هدر می رود. وجود نشت در شبکه های آب رسانی موجب اتلاف منابع و سرمایه صرف شده در تولید، انتقال، تصفیه و توزیع آب، ایجاد مشکلات کیفی در آب شرب به علت ورود آلودگی به شبکه توزیع آب از محل نشت و غیره می شود. با توجه به نقش حیاتی آب در زندگی و کمبود منابع آب قابل شرب و هم چنین هزینه های گزاف فراهم نمودن آب شرب سالم، باید سعی شود تا تلفات آب به حداقل رسانده شود. برای این منظور و با توجه به تاثیر متقابل نشت و فشار بر یکدیگر، ابتدا لازم است تا در هر نقطه بتوان میزان نشت را با توجه به فشار موجود تعیین کرد. با توجه به قابلیت ها و مزایای شبکه عصبی و سهولت استفاده از آن به عنوان یک ابزار کار، در این مقاله سعی شده تا مدل شبکه عصبی برای تعیین فشار در هر نقطه با توجه به ارتفاع مخزن، ارتفاع نقطه، و میزان مصرف با لحاظ کردن نشت موجود در آن نقطه تدوین شود. در این مقاله تغییرات فشار در قسمتی از شبکه توزیع آب شهر تهران با استفاده از مدل epanet2.0 شبیه سازی شده است. برای این منظور از دو مدل شبکه عصبی و هم چنین ترکیب شبکه عصبی با منطق فازی استفاده شده و نتایج حاصل از آن ها با نتایج مدل تحلیل هیدرولیکی و نیز با یکدیگر مقایسه شده و توانایی مدل های شبکه عصبی در پیش بینی فشار نشان داده شده است.

Upgrade to premium to download articles

Sign up to access the full text

Already have an account?login

similar resources

پیش بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی

مدل‏های مفهومی بر مبنای هوش مصنوعی، اغلب برای پیش بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش بینی ها1 (esp) و تفکیک مدل‏سازی برای متغیرهای اقلیمی و هیدرولوژیکی، از مدل‏های مفهومی برای پیش بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می شود. سیستم استنتاج فازی برای پیش بینی بارش فصلی به صور...

full text

پیش‌بینی فشار در شبکه‌های آبرسانی با استفاده از شبکه‌های عصبی مصنوعی و استنتاج فازی

فشار نقاط مصرف در شبکه‌های آب‌رسانی یکی از مهم‌ترین پارامترهای هیدرولیکی است که می‌تواند در مدیریت بهینه شبکه‌های توزیع آب مورد استفاده قرار گیرد. از آن‌جایی‌که فشار، اثرات متفاوتی بر پارامترهای مختلف مدیریت شبکه، همچون عملکرد هیدرولیکی، قابلیت اطمینان، پایداری شبکه و نشت دارد، لذا شناسایی روند تغییرات و تعیین میزان آن از اهمیت بسیاری در سطوح مختلف مدیریتی برخوردار است. بخش قابل توجهی از آب ورو...

full text

پیش‌بینی بلند مدت رواناب با استفاده از شبکه های عصبی مصنوعی و سیستم استنتاج فازی

مدل‏های مفهومی ‌بر مبنای هوش مصنوعی، اغلب برای پیش‌بینی‏های کوتاه مدت و میان مدت هیدورلوژیکی به کار رفته اند. در این مقاله با استفاده از مفهوم تولید مجموعه ای از پیش‌بینی‌ها1 (ESP) و تفکیک مدل‏سازی برای متغیرهای اقلیمی‌و هیدرولوژیکی، از مدل‏های مفهومی ‌برای پیش‌بینی بلندمدت حجم جریان رودخانه زاینده رود در محل ورودی به سد زاینده رود استفاده می‌شود. سیستم استنتاج فازی برای پیش‌بینی بار...

full text

مدل سازی و پیش بینی رشد اقتصادی در ایران با استفاده از شبکه های عصبی مصنوعی

شبکه های عصبی مصنوعی، یک ابزار قدرتمند برای تجزیه و تحلیل داده ها و مدل سازی روابط غیر خطی به حساب می آید که استفاده از آن طی سال های گذشته در اقتصاد کلان گسترش یافته است. در این مطالعه، کارایی یک مدل شبکه عصبی با یک مدل خطی رگرسیون برای پیش بینی نرخ رشد اقتصادی در ایران مقایسه می شود. برای این منظور ابتدا، یک مدل رگرسیون رشد برای دوره 1315-1373 برآورد شده و سپس با همان مجموعه رگرسورها (متغیرها...

full text

مدل سازی و پیش بینی کارایی بانک های دولتی و خصوصی ایران با استفاده از مدل های شبکه عصبی مصنوعی، شبکه عصبی فازی و الگوریتم ژنتیک

دستیابی به رشد مستمر و مداوم اقتصادی و به موجب آن توسعه اقتصادی را می توان از زمره اهدافی قلمداد نمود که تمام کشورها در پی دستیابی به آن می باشند. در این راستا بانک ها نقش بسیار مهمی در پیشرفت و توسعه اقتصادی هر کشور ایفا می نمایند. در حال حاضر با توجه به تعداد قابل توجه بانک های دولتی و خصوصی در کشور پیش بینی کارایی آن ها اهمیت ویژه ای پیدا کرده است. هدف از این پژوهش، مدلسازی و پیش بینی کارایی...

full text

کاربرد شبکه های عصبی مصنوعی در پیش بینی بارش زمستانه

پیش‌بینی بارش یکی از مهم‌ترین مسائل در زمینه مدیریت بهینه منابع آب در بخش‌های مختلف نظیر صنعت، شرب و کشاورزی است. پیش بینی بارش می تواند باعث جلوگیری از تلفات و خسارات ناشی از بلایای طبیعی شود. هدف از تحقیق حاضر پیش‌بینی بارش زمستانه استان خراسان رضوی با استفاده از شبکه‌های عصبی مصنوعی می‌باشد. بدین منظور، ابتدا سری زمانی بارش متوسط منطقه‌ای به روش کریجینگ در طول دوره آماری به دست آورده شد. سپس...

full text

My Resources

Save resource for easier access later


Journal title:
فصلنامه علمی- پژوهشی آب و فاضلاب

Publisher: مهندسین مشاور طرح و تحقیقات آب و فاضلاب

ISSN 1024-5936

volume 16

issue 1 2005

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023