مدل ترکیبی برنامه ریزی پویای تصادفی-شبکه عصبی جهت بهینه سازی بهره برداری از مخازن برقابی

سال انتشار: 1384
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 2,880

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IHC05_161

تاریخ نمایه سازی: 7 آذر 1384

چکیده مقاله:

بعد از بکارگیری هر مدل بهینه سازی، به دو منظور زیر نیاز به یک مدل شبیه سازی می باشد:1) کنترل کردن و ارزیابی کارآیی سیستم2) محاسبه معیارهای کارآیی، قانون و قاعده معمول، بکارگیری مدل شبیه سازی به فرم کدهای کامپیوتری می باشد. در این مقاله از یک مدل برنامه ریزی پویای تصادفی (SDP ) استفاده شده و فرمان بهینه بهره برداری از یک سیستم برقابی بدست آمده است. سپس کارآیی شبکه های عصبی مصنوعی به عنوان جانشین مدل های شبیه سازی مورد ارزیابی قرار گرفته است. در مدل بهینه سازی، حجم مخزن به 50 کلاس حجمی و جریان ورودی به 8 کلاس در هرپریود زمانی تقسیم شده است. قواعد بهینه بدست آمده برای اموزش مدل شبکه عصبی مورد استفاده قرار گرفته است. سپس مقدار بهینه آب رها شده در طول 43 سال با استفاده از مدل شبیه سازی و شبکه عصبی مصنوعی، بعد از تست مدل بدست آمده است. نتایج نشان داده است که مقدار آب رها شده از مخزن در هر دو مدل شبیه سازی و شبکه عصبی مصنوعی بسیار به هم نزدیک است.

کلیدواژه ها:

شبکه های عصبی مصنوعی ، بهره برداری بهینه از مخازن برقابی ، بهینه سازی ، شبیه سازی

نویسندگان

سعید علیمحمدی

عضو هیئت علمی گروه آب دانشگاه صنعت آب و برق شهید عباسپور

امید بزرگ حداد

دکتری اب دانشگاه علم و صنعت ایران

فرید شریفی

فوق لیسانس سازه های هیدرولیکی دانشگاه علم و صنعت 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 :
  • ASCE Task Committee _ Application of Artificial Neural Networks in ...
  • Coulibaly, P., Anctil F., and Bobee, B. (2001), "Multivariate Reservoir ...
  • Using Temporal Neural Networks", Journal of Hydrologic Engineering, ASCE, pp. ...
  • Coulibaly, P., Anctil, F., and Bobee, B .(2000), "Daily reservoir ...
  • Flood, I., Kartam, N. (1998), _ Artificial Neural Network for ...
  • Garret, J.H., et al. (1993) "Engineering applications of artificial neural ...
  • Jain, S. K., Das , D., and Srivastava, D.K.(1999), "Application ...
  • Raman, H., and Sunilkumar, N. (1995), "Multi-variant modeling of water ...
  • Salas, J.D., Markus, M. and Takar, A.S. (2000), "Streamflow Forecasting ...
  • Sun, C., Neale, C.M.U. _ and McDonnel, J.J.(1993), "The potential ...
  • Thirumalaiah, K., and Deo, M. C. (2000), "Hydrological Forecasting Using ...
  • Tokar, S., and Markus, M., (2000), _ _ Precip itation-Runoff ...
  • نمایش کامل مراجع