افزایش راندمان محاسباتی روش نشتیابی تحلیل معکوس جریان گذرا با استفاده از مدل جایگزین کریجینگ
Publish place: Journal of Water and Wastewater، Vol: 31، Issue: 3
Publish Year: 1399
نوع سند: مقاله ژورنالی
زبان: Persian
View: 368
This Paper With 11 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_WWJ-31-3_001
تاریخ نمایه سازی: 3 آذر 1399
Abstract:
روش تحلیل معکوس جریان گذرا (ITA)، یکی از روشهای موفق در زمینه شناسایی نشت در شبکههای آبرسانی است. با این وجود دستیابی به پارامترهای مجهول نشت مانند تعداد، مکان و مساحت نشتها در این روش بهدلیل استفاده از الگوریتمهای فراکاوشی مانند الگوریتم ژنتیک (GA) نیازمند صرف هزینه و زمان محاسباتی زیادی است. هدف از این پژوهش ارائه راهکاری است که با حفظ ساختار محاسبات ITA، دقت و سرعت دسترسی به نتایج نیز افزایش یابد. در این پژوهش راهکار استفاده از مدلهای جایگزین در فرایند بهینهسازی روش ITA مطرح شد. این مدلها با تقلید از رفتار تابع هدف اصلی، تلاش میکنند با هزینه محاسباتی اندک، تا حد امکان بیشترین شباهت رفتاری را نسبت آن داشته باشند. در همین راستا الگوریتم بهینهسازی جدیدی بر پایه مدل جایگزین کریجینگ تحت عنوان الگوریتم GA-Kriging معرفی شد. در این الگوریتم با استفاده از ویژگی ساختاری مدل جایگزین کریجینگ و ارائه شاخصی به نام EI اصلاحاتی در انتخاب فرزندان الگوریتم GA انجام شد. بهمنظور ارزیابی الگوریتم GA-Kriging و مقایسه عملکرد آن با الگوریتم GA، از یک شبکه آبرسانی مرجع با هدف یافتن نشت استفاده شد. نتایج نشان داد که الگوریتم GA-Kriging با 52 درصد دقت بیشتر نتایج بهدست آمده و صرفهجویی زمان محاسباتی به اندازه 75 درصد، نسبت به الگوریتم GA کارایی محاسباتی بیشتری دارد. این پژوهش نشان داد که استفاده مناسب از مدلهای جایگزین در فرایند بهینهسازی میتواند سبب هوشمندتر شدن محاسبات، کاهش محاسبات تکراری و در نهایت، افزایش کارایی محاسباتی شود.
Keywords:
Authors
سعید سرکمریان
دانشجوی دکترا، گروه عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
علی حقیقی
استاد، گروه عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
سید محمد اشرفی
استادیار، گروه عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران
حسین محمد ولی سامانی
استاد، گروه عمران، دانشکده مهندسی دانشگاه شهید چمران اهواز، اهواز، ایران
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 :