مدل سازی بهره برداری هوشمند از مخازن با استفاده از برخورد گروهی با داده ها (GMDH)
سال انتشار: 1389
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 199
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_IWRR-6-3_007
تاریخ نمایه سازی: 1 اسفند 1401
چکیده مقاله:
در چند دهه گذشته تحقیقات بسیاری روی روش های بهره برداری از مخازن انجام شده است. با توسعه و پیشرفت رایانه ها (سخت افزاری و نرم افزاری) و ابداع روش های جدید شامل محاسبات نرم و الگوریتم های تکامل گرا، طراحان و محققان امید بیشتری برای دستیابی به راه حل های صحیح و واقعی تر دارند. از لحاظ تئوری برای مدل کردن یک سیستم لازم است که روابط ریاضی صریح بین متغیرها بطور دقیق معلوم باشد. در بسیاری از سیستم ها این روابط نامعلوم هستند و استخراج چنین مدل سازی صریحی بسیار مشکل است. در این حالت می توان از روش های محاسبات نرماستفاده نمود که داده محور هستند و محاسبات را در شرایط مبهم انجام می دهند. روش گروهی کنترل داده ها(GMDH) یکی از انواع این روش ها است که یک رویکرد خودسازماندهی داده بوده که به تدریج مدل های پیچیده تری در طول ارزیابی عملکرد مجموعه داده های ورودی و خروجی تولید می کند. در این تحقیق برای بهره برداری سیستماتیک از مخازن چندگانه موجود در دشت تهران شامل سدهای لار، لتیان و کرج، مدل هائی بر اساس GMDH توسعه داده شده است. انتخاب و توسعه این تکنیک بر اساس خصوصیات مخازن موجود در محدوده مطالعاتی، دردسترس بودن داده ها و تناسب رویکرد استقرائی GMDH با سیستم های داده محور صورت گرفته است. نتایج حاصل از مدل سازی GMDH برای بهره برداری از مخازن چندگانه دشت تهران دارای عملکرد بسیار بالائی می باشند.
کلیدواژه ها:
نویسندگان
کورش قادری
استادیار /بخش مهندسی آب- دانشکده کشاورزی- دانشگاه شهید باهنر کرمان.
داودرضا عرب
دکتری/ منابع آب.
محمد تشنه لب
دانشیار/ گروه برق- دانشکده برق- دانشگاه صنعتی خواجه نصیر طوسی، تهران، ایران
آیدانای قزاق
کارشناس ارشد منابع آب، شرکت سهامی آب منطقه ای گلستان.
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 :