مدل سازی تقاضای آب شهری با استفاده از سری فوریه

پایان نامه
چکیده

اهمیت مدیریت تامین تقاضای آب شهری باعث شده است که میزان تقاضای آب شهری با توجه به مسایل موجود در آینده مدلسازی و نسبت به مدیریت صحیح اقدام گردد.در این پایان نامه مصرف روزانه کل آب به دو دسته مصارف پایه و فصلی تقسیم بندی می شود که مصرف پایه توسط مصرف در آستانه ها شرح داده می شود و مصرف فصلی به فصل،شرایط اقلیمی و شرایط خاص ( مسابقات ورزشی،شرایط بحرانی،مسافرت و ... ) وابسته می باشد.در این مقاله چگونگی تعیین یک مدل جدید جهت تعیین میزان مصرف پایه به کمک آستانه های دمایی و بارندگی برای شهر بیرجند شرح داده شده است.سپس مصرف فصلی پتانسیل آب شهر بیرجند با استفاده از سری فوریه ( جهت محاسبه مصرف فصلی ) و مصرف اقلیمی یا کوتاه مدت به کمک رگرسیون خطی محاسبه گردیده است.در نهایت باقیمانده میزان مصارف که کسر میزان کل مصرف و مقادیر پیش بینی شده می باشد با استفاده از روش سریهای زمانی محاسبه گردیدپارامترهای مورد استفاده در این روش همبستگی خوب و ضریب تبیین بالای با میزان مصرف کل روزانه داشتند.البته پارامترهای مختلف اقلیمی نیز با مقادیر درجه حرارت بیشینه همبستگی بالایی داشتند که به همین دلیل از در مدلسازی وارد نگردیدند. مقایسه سری زمانی مقادیر ثبت شده مصرف روزانه آب در برابر مقادیر تخمین زده شده توسط مدل با ورود تابع خود همبستگی از دقت بالاتری برخوردار است.در نهایت مقادیر تخمین زده شده مصرف آب شهر بیرجند با کمک مدل با مقادیر مشاهده ای مقایسه شد که حاکی از نتیجه خوب مدل بود.

منابع مشابه

مدل سازی تقاضای آب خانگی با استفاده از روش مدل عوامل تصادفی، مطالعه موردی: شهر اراک

در این مقاله، تابع تقاضای آب خانگی از تابع مطلوبیت استون-گری استخراج و با به کارگیری مدل تعدیل جزیی و استفاده از روش اقتصادسنجی مدل عوامل تصادفی، تقاضای بلند مدت و کوتاه مدت آب شهر اراک در فصلهای مختلف و همچنین کل سال برآورد شد. داده ها ترکیبی و مربوط به 152 خانوار شهر اراک در سالهای 1382-1377 بود. پس از برآورد قیمت نهایی آب و انتخاب متغیرهای درآمد سرانه مصرف کننده، شاخص قیمت کالاها و خدمات مصر...

متن کامل

شبیه سازی و پیش‌بینی جریان رودخانه‌ها با استفاده از شبکه عصبی و مدل فوریه

  مقاله حاضر به بررسی نحوه عملکرد شبکه‌های عصبی MLP در ارتباط با خروجی مدل فوریه، FSAM، می‌پردازد. مدل FSAM که مدل شبیه ساز بارش است، تحلیل مدل‌های کلاسیک را در قلمرو فرکانس، که توسعه نظریه طیفی فرآیندهای متداول نظیر طیف الگوهای ARIMA را در درون خود دارد، ارائه می‌دهد. کاربرد همزمان شبکه‌های عصبی MLP و مدلFSAM، امکان پیش بینی جریان ماه (i) ام را در ارتباط با پیش بینی بارش همان ماه، میسر می‌سازد...

متن کامل

کنترل فعال ارتعاشات ورق مستطیلی با استفاده از سری فوریه و تبدیل لاپلاس

  Abstract : In this research, active control of vibrations of a simply supported rectangular plate is investigated by a new method. At first, differential equation of motion of a plate with piezoelectric patches is developed by means of classical plate theory in order to apply in this method, and a local function is used for applying the mass and stiffness effects. Then, natural frequencies an...

متن کامل

توسعۀ یک مدل خبره برای پیش بینی تقاضای آب شهری با استفاده از شبکۀ عصبی مصنوعی، نمونه موردی شهر ایلام

مدیریت و تأمین آب شهری، همواره یکی از دغدغه های اصلی مدیران و برنامه ریزان شهری بوده است. شناخت تقاضای آب شهری و عوامل مؤثر بر آن، از مولفه های مهم در مدیریت و کنترل مصرف آب شهری محسوب می شود. در تحقیق حاضر مدلی خبره برای پیش بینی تقاضای آب شهری ایلام با استفاده از شبکۀ عصبی مصنوعی توسعه یافته است. مدل خبره، مبتنی بر عوامل مؤثری است که از درآمد سالانه ( x1)، ناحیه مصرف(x2)...

متن کامل

مدل سازی تنوع گونه‌های درختی در جنگل‌های سری گردشی با استفاده از تصاویر GeoEye (مطالعه موردی: سری گردشی ساری)

سابقه و هدف: شناخت ارتباط بین حفظ تنوع زیستی و فرآیندهای اکوسیستم، به عنوان یکی از مباحث اصلی در پژوهش‌های بوم شناسی می‌باشد. جنگل‌ها یکی از منابع طبیعی با ارزش کره زمین می‌باشد که نقش مهمی در تعادل اکولوژیکی و زندگی جوامع انسانی دارد. تنوع گونه-های درختی یکی از پارامترهای کلیدی به منظور توضیح اکوسیستم‌های جنگلی در مدیریت همگام با طبیعت می‌باشد. مدلسازی و تهیه نقشه تنوع درختی ابزاری مفید برای ح...

متن کامل

پیش‌بینی تقاضای روزانه آب شهری با استفاده از شبکه‌های عصبی مصنوعی، مطالعه موردی: شهر تهران

پیش‌بینی تقاضای آب در سیستم‌های آبرسانی و توزیع آب، با توجه به‌کمک شایانی که می‌تواند به مدیران این مجموعه‌ها برای مدیریت بحران (حداقل و حداکثر مصرف) داشته باشد، از اهمیت بالایی برخودار است. پیچیدگی و تأثیر عوامل و پارامترهای مختلف بر میزان تقاضای آب در این سیستم‌ها، سبب گردیده است که روشهای تحلیلی و ریاضی کارایی لازم را در این زمینه نداشته باشند. در این مقاله روش شبکه‌های عصبی مصنوعی برای برآو...

متن کامل

منابع 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 بیرجند - دانشکده کشاورزی

میزبانی شده توسط پلتفرم ابری doprax.com

copyright © 2015-2023