مکان یابی نشت در شبکه های آبرسانی با استفاده از رویکرد واسنجی توسط الگوریتم بهینه سازی ملخ و خوشه بندی K-means با الگوریتم ژنتیک
سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 3
فایل این مقاله در 18 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_JWWSE-10-3_004
تاریخ نمایه سازی: 7 بهمن 1404
چکیده مقاله:
در این مقاله، روشی مبتنی بر به کارگیری مدل هیدرولیکی، برای تعیین محل یا محدوده نشتهای یک شبکه آبرسانی پیشنهاد شده است که از الگوریتم جدید بهینه سازی ملخ (GOA) استفاده میکند. این روش براساس مقایسه نتایج داده های شبیه سازیشده و میدانی فشار، عمل می نماید. روش پیشنهادی شامل دو رویکرد مختلف است؛ در رویکرد اول، با فرض مشخص بودن تعداد نشت های موجود، محل آن ها به صورت دقیق شناسایی می شود. در رویکرد دوم، بدون نیاز به آگاهی از وجود تعداد نشت های همزمان موجود، پهنه بندی شبکه مورد مطالعه توسط روش خوشه بندی K-means با الگوریتم ژنتیک (GA)، صورت می گیرد. در این راستا نیز راهبرد جدیدی برای دستیابی به تعداد پهنه های بهینه پیشنهاد شده است. هدف اصلی در استفاده از رویکرد دوم، مکان یابی پرنشت ترین پهنه موجود است. روش پیشنهادی بر روی دو شبکه مرجع پولاکیس و بالرما تحت ۲۰۰۰ سناریوهای مختلف نشت، پیاده سازی شد. نتایج نشان داد که در رویکرد اول با افزایش تعداد نشت های همزمان، درصد موفقیت آن کاهش می یابد. به صورت کلی نیز رویکرد دوم بر رویکرد اول پیشنهادی ارجحیت داشته و قابلیت دستیابی به صحت ۹۹ درصدی مکان یابی نشت را دارا است. روش ارائهشده در این مقاله، می تواند نقش زیادی در کاهش نشت شبکه های آبرسانی داشته باشد.
کلیدواژه ها:
نویسندگان
رضا معاشری
دانش آموخته دکترای تخصصی، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران.
رضا احمدی کهنعلی
دانش آموخته کارشناسی ارشد، دانشکده مهندسی عمران، آب و محیط زیست، دانشگاه شهید بهشتی، تهران، ایران.
محمد رضا جلیلی قاضی زاده
دانشیار، 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 :