پیش بینی زمانی و مکانی مصرف آب شهری با ترکیب الگوریتم رقابت استعماری و شبکه های عصبی مصنوعی با زمین آمار (مطالعه موردی: شهر صوفیان)

thesis
abstract

چکیده مدیریت سیستم های آبرسانی و توزیع آّب و در تعاقب آن مدیریت و طراحی شبکه های جمع آوری فاضلاب شهری، مستلزم تعیین میزان آب مورد نیاز شهری در محدوده زمانی و مکانی معین می باشد.در این تحقیق از شبکه های عصبی مصنوعی برای پیش بینی زمانی مصرف آب شهر صوفیان استفاده شده است همچنین جهت بهینه سازی شبکه و آموزش آن از الگوریتم رقابت استعماری استفاده شده است. برای پیش بینی مکانی مصرف آب ، از علم زمین آمار و از نرم افزار gs+ استفاده شده است. از داده های ایستگاه هواشناسی صوفیان و مصارف آب ماخوذه از شرکت آب و فاضلاب به منظور آموزش، صحت سنجی و ارزیابی مدل ترکیبی پیشنهادی در این رساله استفاده شده است.با توجه به اینکه داده های موجود در فواصل زمانی دو ماهه در دسترس بوده اند مدل تهیه شده نیز از توانایی مشابهی برخوردار خواهد بود.نتایج بدست آمده از بکارگیری ترکیب شبکه عصبی و الگوریتم رقابت استعماری ، نشان دهنده قابلیت بالای مدل در پیش بینی زمانی مصرف آب نسبت به شبکه های عصبی با الگوریتم بهینه ساز کلاسیک، مانند الگوریتم لونبرگ مارکوات می باشد.همچنین نتایج نشان می دهد استفاده از علم زمین آمار در یافتن مقادیر مصرف آب در نقاط مجهول، می تواند موثر و مفید واقع باشد.

First 15 pages

Signup for downloading 15 first pages

Already have an account?login

similar resources

مدل ترکیبی شبکه عصبی مصنوعی- زمین آمار برای پیش‌بینی مصرف آب شهری: مطالعه موردی: شهر اسکو

پیش‌بینی میزان مصرف در مدیریت منابع آب، به‌ویژه در مناطق خشک و نیمه‌خشک مانند کشور ایران اهمیت بسیار زیادی دارد و برنامه‌ریزی مناسب به‌منظور بهره‌برداری مطمئن از این منابع مستلزم وجود ابزار توانمند پیش‌بینی در این زمینه است. در این پژوهش با توجه به توانایی شبکه‌های عصبی مصنوعی در مدل‌سازی سیستم‌های پیچیده و قابلیت علم زمین آمار در مدل‌سازی داده‌های مکان...

full text

پیش بینی قیمت سهام با رویکرد ترکیبی شبکه عصبی مصنوعی و الگوریتم رقابت استعماری مبتنی بر تئوری آشوب

یکی از گزینه‌های موجود جهت سرمایه گذاری نقدینگی، بورس و اوراق بهادار می‌باشد. با توجه به ارتباطات غیرخطی موجود میان متغیرهای موثر بر قیمت سهام، شبکه های عصبی مصنوعی یکی از مناسب ترین رویکردهای موجود جهت پیش‌بینی قیمت سهام می باشند. در این مقاله سعی شده تا از طریق ترکیب نگاشت‌های آشوبی و الگوریتم رقابت استعماری، زاویه حرکتی مستعمرات به سمت استعمارگر اصلاح شده و به این ترتیب احتمال قرارگیری در دا...

full text

تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی

پدیده انتقال رسوب در رودخانه­ها از پیچیده­ترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب می­باشد. یکی از مشکلات عمده که سازه­های هیدرولیکی بنا شده در یک رودخانه را تهدید می­کند مسأله انتقال و انباشت رسوبات می­باشد. لذا ارائه­ی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانه­ها در مقیاس­های زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخا...

full text

تخمین زمانی و مکانی بار معلق رودخانه آجی چای با استفاده از زمین آمار و شبکه عصبی مصنوعی

پدیده انتقال رسوب در رودخانه­ها از پیچیده­ترین مباحث مهندسی رودخانه بوده و همواره مورد توجه کارشناسان و مهندسین آب می­باشد. یکی از مشکلات عمده که سازه­های هیدرولیکی بنا شده در یک رودخانه را تهدید می­کند مسأله انتقال و انباشت رسوبات می­باشد. لذا ارائه­ی راهکارهای نوین جهت برآورد دقیق بار معلق عبوری از مقاطع مختلف رودخانه­ها در مقیاس­های زمانی مختلف، نقش بسزایی در پیشبرد صحیح مطالعات مهندسی رودخا...

full text

پیش بینی مکانی غلظت فلوئورید با استفاده از مدل های شبکه های عصبی مصنوعی و زمین آمار

در چند دهة اخیر محقّقین به ناهنجاری­های شیمیایی موجود در آب، خاک و هوا که سلامتی انسانها را تهدید می کنند، توجه خاصی داشته اند. از این میان غلظت بیش از حد استاندارد (5/1 میلی گرم بر لیتر) فلوئورید در آب­های شرب به دلیل تأثیر مستقیم روی فیزیولوژی بدن انسان، اهمیت بالایی دارد. در منابع آبی دشت­های بازرگان و پلدشت غلظت فلوئورید بیش از حد استاندارد جهانی (who) است. هدف این تحقیق تعیین تغییرات مکانی ...

full text

پیش بینی زمانی و مکانی سطح آب زیرزمینی با استفاده از روش های هوش مصنوعی و زمین آمار (مطالعه موردی: آبخوان دشت دوزدوزان)

نبود منابع آب سطحی دائمی در بسیاری از نقاط کشور باعث اضافه برداشت آب از منابع محدود زیرزمینی شده است. در دشت دوزدوزان که در حوضه آبریز دریاچه ارومیه قرار دارد، به­دلیل عدم جریان سطحی دائمی برداشت بی­رویه از منابع آب زیرزمینی باعث ایجاد متوسط افت 76 سانتی­متر در سال شده است. هدف از این تحقیق پیش­بینی سطح آب زیرزمینی در این دشت با استفاده از روش­های هوش مصنوعی و زمین آمار می­باشد. در ابتدا با است...

full text

My Resources

Save resource for easier access later

Save to my library Already added to my library

{@ msg_add @}


document type: thesis

وزارت علوم، تحقیقات و فناوری - دانشگاه تبریز - دانشکده فنی

Hosted on Doprax cloud platform doprax.com

copyright © 2015-2023