مقایسه نرم افزار sewercad با روش بهینه الگوریتم ژنتیک و روش لاگرانژ افزاینده و مدل سازی روش بهینه الگوریتم ژنتیک با مدل شبکه عصبی مصنوعی
پایان نامه
- وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی
- نویسنده سارا مدهوشی مزرعی
- استاد راهنما کاظم اسماعیلی علی نقی ضیایی
- تعداد صفحات: ۱۵ صفحه ی اول
- سال انتشار 1389
چکیده
با گسترش شهرها و افزایش جمعیت آن ها از یک سو و گسترش صنایع و کارخانه ها از سوی دیگر مسئله آلودگی محیط زیست روزبه روز اهمیت بیشتری پیدا کرده است. وجود فاضلاب ها یکی از عوامل آلودگی محیط زیست هستند و لذا بایستی آن ها را جمع آوری و از شهرها به بیرون هدایت کرد. مسئله خارج نمودن فاضلاب از محیط زیست و نحوه طراحی شبکه های فاضلاب همواره مورد توجه طراحان بوده است. امروزه در طراحی شبکه های فاضلاب از نرم افزار sewercad استفاده می شود. این نرم افزار که نسخه پیشرفته نرم افزار sewer است همه توانایی های نرم افزارautocad را داراست. یکی از روش هایی که در حال حاضر در بهینه سازی شبکه فاضلاب استفاده می شود روش الگوریتم ژنتیک است. در این تحقیق اساس کار بر این است که نرم افزار sewercad را با روش های بهینه سازی الگوریتم ژنتیک و روش لاگرانژ افزاینده مقایسه شود. با توجه به نتایج به دست آمده روش الگوریتم ژنتیک کمترین و روش sewercad بیشترین هزینه را در طراحی خطوط فاضلاب برآورد می کند. همچنین در این تحقیق با استفاده از شبکه عصبی مصنوعی(ann)، همبستگی آماری بین دبی جریان در لوله ها ،اطلاعات توپوگرافی منطقه، طول لوله و اقطار اندازه گیری توسط روش بهینه الگوریتم ژنتیک بررسی شده است. نتایج نشان داد که شبکه عصبی مصنوعی با دقت بالا و درصد خطای کم می تواند قطر لوله ها را در شبکه فاضلاب با برنامه نوشته شده در الگوریتم ژنتیک پیش بینی کند.
منابع مشابه
مدل سازی و بهینه سازی واحد تولید هیدروژن با شبکه ی عصبی مصنوعی و الگوریتم ژنتیک
هدف اصلی این پژوهش، مدل سازی واحد صنعتی تولید هیدروژن براساس تبدیل متان با بخار آب با کاربرد شبکه ی عصبی مصنوعی است. عامل های دبی فراورده و انرژی مصرفی به عنوان عامل های خروجی مدل در نظر گرفته شد و دو شبکه ی عصبی مجزا برای پیش بینی این دو عامل مدنظر قرارگرفت. نتیجه های مدل سازی با دقت بسیار خوب، خطای متوسط مطلق، خطای متوسط نسبی و خطای احتمالی بین داده های واقعی کارخانه و مدل را به ترتیب برابر ب...
متن کاملبهینه سازی برشکاری جت آب همراه با ذرات ساینده با استفاده از روش شبکه عصبی - الگوریتم ژنتیک
در این پژوهش، روش شبکه عصبی- الگوریتم ژنتیک برای بهینه سازی صافی سطح در برشکاری شیشه توسط فرآیند برشکاری جت آب همراه با ذرات ساینده پیشنهاد شده است. از شبکه عصبی مصنوعی برای مدلسازی و پیش بینی زبری سطح با توجه به پارامترهای فرآیند شامل فشار جت آب، سرعت پیشروی، نرخ ریزش ذرات ساینده و فاصله نازل تا سطح قطعه کار استفاده شده است. مقایسه نتایج به دست آمده از مدل شبکه عصبی با نتایج به دست آمده از آ...
متن کاملمدل سازی خشک کردن اسمزی زردآلو با استفاده از الگوریتم ژنتیک - شبکه عصبی مصنوعی
ایران از نظر تولید زردآلو در جهان مقام دوم را دارد و مطالعه عوامل موثر بر خشک کردن این میوه و مقدار تاثیر آنها امری ضروری می باشد. لذا در این مطالعه تاثیر دمای محلول اسمزی در محدوده °C 25 تا °C 65، در مدت زمان 30 تا 120 دقیقه و غلظت محلول اسمزی در محدودۀ 30 تا 60 درصد (وزنی/وزنی) بر پارامترهای کاهش وزن، کاهش آب، جذب مواد جامد و نسبت دفع آب به جذب مواد جامد در طی خشک کردن اسمزی زردآلو مورد بررسی...
متن کاملمدل سازی فرآیند خشک کردن بادمجان توسط سامانه مادون قرمز به روش الگوریتم ژنتیک-شبکه عصبی مصنوعی
در این مطالعه رفتار خشککردن لایهنازک ورقههای بادمجان در یک خشککن مادونقرمز (IR) بررسی گردید. اثر توان لامپ مادونقرمز (150، 250 و 375 وات)، فاصله نمونه از لامپ (5، 10 و 15 سانتیمتر)، ضخامت نمونهها (5/0 و 1 سانتیمتر) و زمان خشککردن بر خشک شدن ورقههای بادمجان موردبررسی قرار گرفت. نتایج خشککردن بادمجان به روش مادونقرمز نشانداد با افزایش توان لامپ و کاهش فاصله نمونهها از منبع حرارتی، ...
متن کاملبهینه سازی سبدسهام با استفاده از روش k-means و الگوریتم ژنتیک
دیدگاهی که در این مقاله ارائه می دهیم در دو مرحله جای می گیرد: مرحله ی اول طبقه بندی سهم ها ی پورتفوی ابتدایی با روش k-means به دسته های کوچکتر است، سپس طبقه ای که کمترین ریسک و بیشترین بازده را دارد یا به عبارتی طبقه ای که بهینه تر می باشد را به عنوان ورودی الگوریتم خود که آن را MinVaRMaxR نامیده ایم برمی گزینیم. الگوریتم مذبور،الگوریتم پویایی، براساس الگوریتم ژنتیک و مفهوم ارزش در معرض خطر م...
متن کاملمنابع من
با ذخیره ی این منبع در منابع من، دسترسی به آن را برای استفاده های بعدی آسان تر کنید
ذخیره در منابع من قبلا به منابع من ذحیره شده{@ msg_add @}
نوع سند: پایان نامه
وزارت علوم، تحقیقات و فناوری - دانشگاه فردوسی مشهد - دانشکده کشاورزی
کلمات کلیدی
میزبانی شده توسط پلتفرم ابری doprax.com
copyright © 2015-2023