مطالعه (پیش بینی) نرخ شکست لوله های اصلی آبرسانی شهری با استفاده از روشهای هوشمند و رگرسیونی
- سال انتشار: 1390
- محل انتشار: مجله آب و فاضلاب، دوره: 22، شماره: 78
- کد COI اختصاصی: JR_WWJ-22-78_001
- زبان مقاله: فارسی
- تعداد مشاهده: 1034
نویسندگان
دانشیار و عضو قطب علمی مهندسی و مدیریت زیر ساختها، دانشکده مهندسی عمران، پردیس دانشکده های فنی، دانشگاه تهران
مدرس دانشگاه آزاد اسلامی واحد تفت، گروه مهندسی عمران، تفت
استادیار دانشکده مهندسی عمران، دانشگاه زابل، زابل
چکیده
با توجه به سیاست های افزایش کارایی و کاهش هدررفت، یکی از اولویت های راهبردی توسعه پایدار منابع آب، بهره برداری بهینه از شبکه های توزیع آب شهری است. لذا راهبران سیستم باید همواره شناخت دقیق و صحیحی از قابلیت کاربری شبکه و انزوال و خرابی سازه ای (شکست) در لوله های اصلی آبرسانی داشته باشند. یکی از راهکارها و کلیدهای مهم مدیریت بهینه بهره برداری، تدوین استراتژی های نوسازی و بازسازی در شبکه های توزیع آب شهری، پیش بینی نرخ شکست لوله ها و ارزیابی قابلیت کاربری آنها است. راه حلهای گوناگونی برای مطالعه پیش بینی شکست در لوله ها توسط محققان مختلف خصوصاً در سالهای اخیر مطرح شده است که هریک نیازمند داده های مخصوص خود می باشند. مدل های قطعی توانی بر حسب سن، مدل ها ی قطعی خطی بر حسب سن، مدل های قطعی چندمتغیره و مدل های گروهی تک متغیره احتمالی، از جمله راه حلهایی هستند که خرابی و زوال در ساختار لوله ها را دائمی و به صورت یک روند یکنواخت با پارامترهایی مستقل از زمان (که شکست لوله ها را با سن، جنس و قطر آنها مرتبط می سازد ) مطرح می کنند. در این مقاله علاوه بر بهره گیری از پارامترهای بالا به منظور پیش بینی جامع و دقیق تر، از دیگر پارامترهای مؤثر در شکست لوله ها ناشی از شرایط محیطی و اقلیمی، بارگذاری ترافیکی و شرایط بهره برداری مانند عمق نصب لوله ها و فشار آب در شبکه بهره گرفته شد و با استفاده از روشهای رگرسیون چند متغیره، هوش مصنوعی (عصبی و عصبی- فازی) و همچنین روش داده کاوی رگرسیون چند جمله ای تکاملی (برنامه نویسی ژنتیک) به پیش بینی نرخ شکست لوله پرداخته شد . به منظور ارزیابی روشهای ارائه شده با استفاده از داده های جمع آوری شده حوادث لوله ها در شبکه توزیع آب یکی از شهرهای کشور، مطالعه موردی انجام گردید و نتایج اخذ شده مورد بررسی و مقایسه قرار گرفت. نتایج حاصل از مدل شبکه عصبی و رگرسیون چند جمله ای تکاملی ترکیبی مؤید این قابلیت بود که این روشها با ترکیب اثر نوفه های پارامترهای غیردائمی و روند یکنواخت شکستی که پارامترهای دائمی پدید می آورند و همچنین قرار دادن تعداد بیشتری از پارامترهای مؤثر، در پیش بینی نرخ شکست لوله ها توانمندتر عمل می کنند.کلیدواژه ها
شبکه توزیع آب، انزوال و شکست لوله ها، مدیریت بهینه سازی، پیش بین ی، رگرسیون، شبکه عصبی مصنوعی، سیستم عصبی- فازیمقالات مرتبط جدید
اطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.