تئوری شناسایی محدوده ی نشت در نواحی مجزای مجازی شبکه های توزیع آب با استفاده از شبکه ی عصبی مصنوعی

سال انتشار: 1399
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 222

فایل این مقاله در 16 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_IWRR-16-3_004

تاریخ نمایه سازی: 29 بهمن 1401

چکیده مقاله:

یکی از مزیت­های طراحی شبکه­های توزیع آب به صورت نواحی مجزا، شناسایی نشت موجود در هر ناحیه با کنترل جریان ورودی و خروجی می­باشد که البته این کار نیازمند مجزاسازی و نصب دبی­سنج بین لوله­های رابط هر ناحیه است. با توجه به اینکه اکثر شبکه­های موجود به صورت سنتی و غیرمجزا گسترش یافته­اند، تبدیل آنها به نواحی مجزا نیازمند هزینه­های زیاد و حتی گاهی غیراجرایی است. در مقاله حاضر برای شناسایی نشت بین نواحی، ایده­ی نظری نواحی مجزای مجازی ارائه شده است. نوآوری این مقاله، امکان تبدیل شبکه­ها به نواحی مجزا با استفاده از ترکیب تئوری گراف و شبکه عصبی مصنوعی برای یافتن نشت بدون استفاده از دبی­سنج می­باشد. روش پیشنهادی علاوه بر کاهش هزینه­های لازم برای دبی­سنجی، باعث افزایش سرعت در شناسایی محدوده­های نشت می­شود. علاوه بر این، نیازی نیست تعداد گره­های نشت، قبل از شروع عملیات نشت­یابی مشخص باشد. روش پیشنهادی برای شبکه­ی توزیع آب شهر Balerma در اسپانیا با ۴۴۳ گره و ۴۵۴ لوله برای دو، سه و چهار نشت همزمان مورد بررسی قرار گرفت. نتایج مقاله حاضر نشان می­دهد که نظریه­ی پیشنهادی در روش ارائه شده، قادر به شناسایی نشت در هر ناحیه می­باشد و با این روش می­توان تعداد نواحی مجزای بهینه برای هر شبکه را تعیین کرد. در تمامی مثال­ها،­ ناحیه­ی نشت به درستی پیش­بینی شد و حداکثر خطای تعیین مقدار نشت حدود ۵/۶ درصد بود.

نویسندگان

محمدرضا شکفته

گروه مهندسی منابع آب، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران

محمدرضا جلیلی قاضی زاده

دانشیار - دانشکده عمران، آب و محیط زیست، دانشگاه شهید بهشتی تهران

جعفر یزدی

استادیار، گروه مهندسی منابع آب، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران

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 :
  • Attari M and Faghfour Maghrebi M (۲۰۱۸) New method for ...
  • Shekofteh MR and Jalili Ghazizadeh MR (۲۰۱۹) The optimized implementation ...
  • نمایش کامل مراجع