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
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
این مقاله در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
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.
کلیدواژه ها:
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 :