تعیین عوامل مؤثر بر نرخ شکست لولهها در شبکههای توزیع آب با استفاده از تلفیق شبکههای عصبی مصنوعی و الگوریتم ژنتیک
Authors
Abstract:
در سامانههای توزیع آب حوادث ایجاد شده در لولهها از اهمیت بالایی برخوردار است. در شکست لولهها عوامل متعددی همچون سن، قطر، جنس، شرایط اجرا و نصب، شرایط بهرهبرداری و غیره دخیل بوده و بررسیها نشان دهنده عدم جامعیت روابط ارائه شده در پیشبینی نرخ شکست لولهها است. در این تحقیق، ساختاری با استفاده از ترکیب مدلهای نوین بهینهسازی و شبیهسازی تدوین گردید. در این ساختار برای شبیهسازی نرخ شکست لولهها از شبکههای عصبی مصنوعی استفاده شد. با توجه به عدم توانایی شبکههای عصبی در مشخص نمودن تأثیر هر متغیر مستقل بر متغیر وابسته، در این تحقیق برای تعیین پارامترهای ورودی مؤثر در نرخ شکست و همچنین مناسبترین پارامترهای مرتبط با ساختار شبکه عصبی مصنوعی، از الگوریتم بهینهسازی ژنتیک با هدف ارائه ساختاری با کمترین میزان خطای شبیهسازی، استفاده گردید. متغیرهای تصمیم در این الگوریتم مشخصات شبکه عصبی و پارامترهای مؤثر بر نرخ شکست هستند. با اجرای ساختار پیشنهادی، علاوه بر پارامترهای مؤثر در شکست لوله، بهترین ساختار شبکه عصبی تعیین گردید. با استفاده از نتایج این تحقیق میتوان مناسبترین رابطه نرخ شکست لولهها را با توجه به پارامترهای تأثیرگذار بر آن استخراج نمود. نتایج این تحقیق بیانگر آن است که روش ترکیبی پیشنهادی قادر است پارامترهای بهینه و مؤثر در نرخ شکست لولهها را از میان عوامل متعدد مؤثر در شکست، استخراج کند و باعث ارتقای قابلیت و قدرت تعمیم شبکه عصبی گردد که این امر نشان دهنده کارایی بالای روش پیشنهادی در شبیهسازی روابط غیرخطی و پیچیده است.
similar resources
تعیین عوامل مؤثر بر نرخ شکست لوله ها در شبکه های توزیع آب با استفاده از تلفیق شبکه های عصبی مصنوعی و الگوریتم ژنتیک
در سامانه های توزیع آب حوادث ایجاد شده در لوله ها از اهمیت بالایی برخوردار است. در شکست لوله ها عوامل متعددی همچون سن، قطر، جنس، شرایط اجرا و نصب، شرایط بهره برداری و غیره دخیل بوده و بررسی ها نشان دهنده عدم جامعیت روابط ارائه شده در پیش بینی نرخ شکست لوله ها است. در این تحقیق، ساختاری با استفاده از ترکیب مدل های نوین بهینه سازی و شبیه سازی تدوین گردید. در این ساختار برای شبیه سازی نرخ شکست لول...
full textتخمین هدایت هیدرولیکی اشباع در برخی از خاکهای استان ایلام با استفاده از شبکههای عصبی مصنوعی و روشهای رگرسیونی
هدایت هیدرولیکی اشباع ) Ks ( یکی از ورودیهای مهم در مدلسازی جریان آب و انتقال آلایندهها در خاک، طراحی سیستمهای آبیاری و زهکشی، مدلسازی آبهایزیرزمینی و فرایندهای زیستمحیطی است. اندازهگیری مستقیم Ks در مزرعه و آزمایشگاه میسّر میباشد؛ لیکن، معمولاً زمانبر، پرهزینه و دشوار بوده و در سطوحبزرگ نیز غیرعملی است. افزون بر این، بهدلیل غیرهمگن بودن خاک و خطاهای آزمایشگاهی، تا حدودی این اندازهگیریها غیرقابل ...
full textتعیین ویژگیهای مؤثر بر پایداری ساختمان خاکهای مناطق خشک با استفاده از الگوریتم ترکیبی ژنتیک-شبکه عصبی مصنوعی
پایداری خاکدانهها بهعنوان یکی از کلیدیترین شاخصهای کیفیت فیزیکی خاک، بیانگر قدرت نسبی خاک در برابر نیروهای فرساینده و تخریب مکانیکی است. در این پژوهش، بهمنظور شناسایی یک زیرمجموعه از مهمترین ویژگیهای مؤثر بر شاخص میانگین وزنی قطر خاکدانهها (MWD)، از الگوریتم ترکیبی ژنتیک-شبکه عصبی مصنوعی (GA-ANN) استفاده گردید. افزون بر آن، قابلیت شبکههای عصبی مصنوعی (ANNs) و رگرسیون چند متغیره خطی (M...
full textجایابی بهینه منابع تولید پراکنده به همراه SSVR در شبکههای توزیع با استفاده از الگوریتم تکاملی ایمنی
This paper presents the application of immune algorithm to find optimal location and sizing for distributed generation (DG) sources and static series voltage regulator (SSVR) in distribution networks. The proposed objective function for this allocation includes investment costs and profits accrued from reduced losses and also included is a set of quality indexes that show the status of voltage,...
full textMy Resources
Journal title
volume 23 issue 3
pages 2- 15
publication date 2012-10-01
By following a journal you will be notified via email when a new issue of this journal is published.
Hosted on Doprax cloud platform doprax.com
copyright © 2015-2023