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

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

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:

محاسبات نرم ، مدل سازی ، بهره برداری از مخزن ، GMDH ، رویکرد استقرائی

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 :
  • شرکت آب منطقهای تهران (۱۳۸۵)، "پروژه مطالعات بهنگامسازی طرح جامع ...
  • شرکت مهندسین مشاور جاماب (۱۳۸۴)، "پروژه مطالعات بررسی امکان تامین ...
  • قادری، ک.، سامانی، ج. م. و.، موسوی، س. ج.، اسلامی، ...
  • Farlow, S.J. (۱۹۸۴), “Self organizing method in modeling: GMDH type ...
  • Hsu, K., Gupta, H.V., Gao, X., Sorooshian, S. and Imam, ...
  • Hwang, H. S. (۲۰۰۶), “Fuzzy GMDH-type neural network model and ...
  • Ivakhnenko, A.G. (۱۹۶۸), “The group method of data handling – ...
  • Ivakhnenko, A.G. (۱۹۷۶), “The group method of data handling in ...
  • Ivakhnenko, A.G. (۱۹۸۸), “Sorting methods for modeling and cauterization (survey ...
  • Ivakhnenko, A.G. and Ivakhnenko, G. A. (۱۹۹۵), “The review of ...
  • Jang, J.S.R. (۱۹۹۳), “ANFIS: adaptive network based fuzzy inference system”, ...
  • Kando, T. (۱۹۸۶), “Revised GMDH algorithms estimatings degree of the ...
  • Labadie, J.W. (۲۰۰۴), “Optimal operation of multireservoir systems: State-of-the-art review”, ...
  • Muller, J.A. and Ivakhnenko, A.G. (۱۹۹۶), “Self-organizing modeling in analysis ...
  • Nariman-Zadeh, N., Darvizhe, A. and Gharabaghi, H. (۲۰۰۲), “Modeling of ...
  • Nikolaev, Y. & Hitoshi, I. (۲۰۰۳), “Polynomial harmonic GMDH learning ...
  • Shamseldin, A.Y. (۱۹۹۷), “Application of a neural network technique to ...
  • Simonovic, S.P. (۱۹۹۲), “Closing gap between theory and practice”, Journal ...
  • Sugeno, M. and Kang, G. T. (۱۹۸۸), “Structure identification of ...
  • Takagi, H. and Hayashi, I. (۱۹۹۱), “NN-driven fuzzy reasoning”, International ...
  • Wilby, R.L. Abrahart, R.J. and Dawson, C.W. (۲۰۰۳), “Detection of ...
  • Wurbs, R.A. (۱۹۹۳), “Reservoir-system simulation and optimization models”, Journal of ...
  • Yeh, W.G. (۱۹۸۵), “Reservoir management and operation models: A State-of-the-art ...
  • نمایش کامل مراجع