تخمین میزان نشت آب در شبکه های آبرسانی با بکارگیری شبکه عصبی مصنوعی
Publish place: Water challenge scientific conference in Qom
Publish Year: 1389
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,399
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
QOMWATER01_029
تاریخ نمایه سازی: 1 بهمن 1389
Abstract:
یکی از حائز اهمیت ترین مسائل در شبکه های آبرسانی، مسئله نشت وتلفات آب در شبکه می باشد. تاکنون روشهای متنوعی برای اندازه گیری و تخمین میزان نشت ارائه شده است. عموم این روشها بر پایه محاسبه میزان نشت در شبکه با در نظر داشتن اختلاف دبی اولیه و دبی مصرف شده در یک بازه زمانی است. استفاده از این روش علاوه بر هزینه بر بودن و زمانبر بودن، چندان قابل اعتماد نیست، چرا که نیاز به ایجاد یک جامعه آماری دقیق از مشترکین، فضای سبز شهری ادارت و .... در جامعه بوده که این امر سهل نمی نماید. با این حال می توان میزان نشت را با استفاده از تعدادی سنسور فشار نصب شده بر روی مناطقی از شبکه و کنترل تغییرات فشار در ساعات کم مصرف به راحتی محاسبه نمود. برای این منظور لازم است تا از ابزاری برای نگاشت داده های مربوط به فشار به میزان نشت با استفاده از مدلسازی غیر خطی استفاده نمود. یکی از مناسب ترین این ابزارها را می توان استفاده از سیستمهای هوشمند دانست. در این مقاله سعی بر آن است تا با استفاده از سیستم هوشمند شبکه عصبی مصنوعی نسبت به تخمین میزان دبی نشت با توجه به داده های فشار موجود اقدام شود. برای این منظور از یک شبکه آبرسانی روستایی (مهن آباد، استان کرمان) بهره گیری شده است. لازم به ذکر است که اطلاعات هیدرولیکی مورد نیاز با استفاده از نرم افزارWaterCAD تولید و از آنها برای آموزش و آزمون شبکه عصبی مورد استفاده قرار گرفته است.
Keywords:
Authors
محمد ذونعمت کرمانی
بخش مهندسی آب، دانشگاه شهید باهنر کرمان
طاهر رجایی
دکتری عمران آب-محیط زیست، گروه عمران دانشگاه قم
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :