مدل سازی نشت در شبکه های آبرسانی با استفاده از نرم افزار WaterGEMS و شبکه عصبی مصنوعی

سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 360

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_WSD-8-2_010

تاریخ نمایه سازی: 26 آذر 1400

چکیده مقاله:

اتلاف بیش از متوسط ۳۰ درصد آب ورودی به شبکه های توزیع آب شرب کشور در اثر نشت از شبکه، موجب نگرانی جدی مسئولین شرکت های آب و فاضلاب کشور شده و یافتن موقعیت نشت در شبکه های توزیع یکی از مسائل و دغدغه های مهم کاربران و سازمان های مربوطه می باشد. کاهش میزان نشت در شبکه های آبرسانی یکی از روش های اصلی مدیریت شبکه ای توزیع آب در کشورهای مختلف به شمار میرود. در حال حاضر روش های متعددی برای شناسایی نشت در شبکه های آبرسانی ارائه شده است. در این مقاله، مدل سازی هیدرولیک جریان یک شبکه واقعی توسط نرم افزار هیدرولیکی WaterGEMS و حل معکوس معادلات جریان، با داشتن مقادیر اندازه گیری شده فشار در تعدادی از گره های شبکه، پیش بینی محل و میزان نشت موجود در شبکه های توزیع آب شهر محی آباد واقع در استان کرمان انجام شد. ابتدا مدل هیدرولیکی شبکه مورد بررسی در نرم افزار تحلیل هیدرولیکی تهیه و کالیبره شده و مقدار نشت های موجود برداشت و سپس با تحلیل شبکه برای حالات و مقادیر مختلف وجود نشت های فرضی، مقادیر فشار در گره های مختلف شبکه محاسبه شد. در مرحله دوم با استفاده از شبکه های عصبی مصنوعی، پس از آموزش شبکه، با ارائه فشارهای اندازه گیری شده در برخی از گره های شبکه به عنوان داده های ورودی به شبکه عصبی، موقعیت و مقدار نشت های احتمالی موجود، پیش بینی شد. بررسی و مقایسه نتایج حاصل از تحلیل هیدرولیکی شبکه و شبکه عصبی مصنوعی نشان دهنده دقت بسیار بالای شبکه های عصبی مصنوعی در تخمین مقدار و موقعیت نشت ها بود.

نویسندگان

پروانه میسرجانی

بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان، کرمان، ایران.

نسرین سیاری

استادیار بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان

ساره سیاری

استاد مدعو بخش مهندسی آب، دانشکده کشاورزی، دانشگاه شهید باهنر کرمان.

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :