یادداشت تحقیقاتی برآورد عدم قطعیت متغیرهای موثر بر شبکه آبرسانی بر اساس فرضیه حداقل سازی نوسانات دبی

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 391

فایل این مقاله در 9 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:

JR_JHYDAN-10-4_006

تاریخ نمایه سازی: 23 مهر 1398

چکیده مقاله:

تحلیل و طراحی شبکه های آبرسانی، عموما با در نظر گرفتن پارامترهای ورودی به صورت مقادیر قطعی انجام می شود؛ درحالی که پارامترهای ورودی شبکه آبرسانی مقادیری غیرصریح و دارای عدم قطعیت می باشند. پارامترهای ورودی موردمطالعه در این تحقیق، ضرایب زبری لوله ها و مصارف گرهی می باشند. مقدار ضریب زبری لوله ها با افزایش سن شبکه آبرسانی و مقدار مصارف گرهی با تغییر در تراکم جمعیت و الگوی مصرف، تغییر می کنند. عدم قطعیت در پارامترهای ورودی می تواند به طور قابل ملاحظه ای نتایج به دست آمده از مدل شبیه ساز هیدرولیکی شامل دبی لوله ها و فشار در گره ها را دستخوش تغییر کند. برای تحلیل عدم قطعیت، در این تحقیق از نظریه مجموعه فازی استفاده شده است. عدم قطعیت در ضریب زبری لوله ها و مصارف گرهی به صورت عدد فازی وارد مساله می شود. در این تحقیق، میزان یکنواختی توزیع جریان در لوله های شبکه از طریق محاسبه نوسانات جریان با استفاده از مفهوم انحراف معیار دبی ها، به عنوان پاسخ مورد ارزیابی در نظر گرفته شده است. برای بررسی عدم قطعیت میزان انحراف معیار دبی ها، اعداد فازی ورودی به سطوحی با تابع عضویت مشخص منقطع شده اند و در هر سطح دو مساله بهینه سازی برای محاسبه مقادیر حداقل و حداکثر انحراف معیار دبی ها انجام شده است. با مشاهده نتایج می توان گفت هر چه عدد فازی متغیر خروجی نسبت به عدم قطعیت پارامترهای ورودی، در محدوده کوچکتری تغییر کند و عدم قطعیت کمتری داشته باشد، آن طرح نسبت به تغییراتی مانند افزایش عمر شبکه یا مصرف، مقاوم تر بوده و در نتیجه مناسب تر است.

نویسندگان

فروغ غلامی

دانش آموخته کارشناسی ارشد در دانشگاه شهید چمران اهواز

حسین محمد ولی سامانی

استاد دانشگاه شهید چمران اهواز

علی حقیقی

دانشیار دانشگاه شهید چمران اهواز

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 :
  • Aghmiuni, S.S., Haddad, O.B., Omid, M.H. and Mariño, M.A., (2013). ...
  • Bao, Y. and Mays, L., (1990). Model for water distribution ...
  • Chiu, S., (1994). Fuzzy model identification based on cluster estimation ...
  • Haghighi, A., M.V.Samani, H. and M.V.Samani, Z., (2011). GA-ILP method ...
  • Haghighi, A. and Zahedi Asl, A., (2014). Uncertainty analysis of ...
  • Jang, J.R., (1993). ANFIS: Adaptative-network-based fuzzy inference system , IEEE ...
  • Kandel, A., (1992). Fuzzy expert system, CRC, Boca Ratan, FL. ...
  • Martinez, H.B., (2007). Quantifying the economy of water supply looped ...
  • Pedrycz, W., (1989). Fuzzy control and fuzzy systems, Wiley, New ...
  • Revelli, R. and Ridolfi, L., (2002). Fuzzy approach for analysis ...
  • Spiliotis, M., and Tsakiris, G., (2012)., Water distribution network analysis ...
  • Wang, L.X., (1992), Fuzzy system are universal approximators , Proc. ...
  • Zadeh, L.A., (1965). FuzzySets , Inf. Control 8(3), pp. 338–353. ...
  • Zimmerman, H.J., (1985). Fuzzy set theory and its application, Martinus ...
  • نمایش کامل مراجع