ارزیابی کارایی تکنیکهای KNNو SVM در پیش بینی نرخ شکست لوله های شبکه توزیع آب

Publish Year: 1390
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 1,599

This Paper With 9 Page And PDF Format Ready To Download

  • Certificate
  • من نویسنده این مقاله هستم

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این Paper:

شناسه ملی سند علمی:

WRM04_416

تاریخ نمایه سازی: 1 تیر 1390

Abstract:

شناخت مکانیزم فرسودگی و شکست لوله های آب در شبکه های توزیع آب و توسعه مدلهای پیش بینی شکست امری ضروری است که تدوین سیاستهای بازسازی و نوسازی بهینه شبکه های توزیع آب بدون آن امکان پذیر نخواهد بود دراین تحقیق از تکنیکهای ماشین بردار پشتیبان SVM و K- نزدیک ترین همسایگی KNN جهت ساخت مدل پیش بینی نرخ شکست لوله ها استفاده شده و به ارزیابی کارایی آنها پرداخته شد. پارامترهای سن، قطر، طول، عمق نصب لوله و فشار هیدرولیکی متوسط نیز به عنوان پارامترهای موثر در نرخ شکست لوله ها در نظر گرفته شد که اطلاعات آماری این پارامترها مربوط به بخشی از شبکه توزیع آب شهر مشهد میباشد معیارهای میانگین در صد خطای مطلق MAPE جذر میانگین مجذورات خطای نرمال NRMSE و ضریب تعیین R2 برای ارزیابی مدلهای ساخته شده بکار گرفته شدند و نتایج به دست آمده نشان دادکه تکنیک sVM عملکرد بهتری در پیش بینی نرخ شکست لوله های شبکه توزیع آب داشته و نسبت به تکنیک KNN برتری دارد

Keywords:

شبکه توزیع آ ب , پیش بینی نرخ شکست لوله ها , ANN , SVM

Authors

اکبر شیرزاد

دانشجوی دکتری مهندسی عمران دانشکده مهندسی عمران دانشگاه تهران

مسعود تابش

دانشیار دانشکده مهندسی عمران دانشگاه تهران

فواد سلطانی

فارغ التحصیل دانشکده مهندسی عمران دانشگاه تهران

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 :
  • آقایی، آ.، پژوهشی پیرامون روش‌های پیش بینی شکست در سیستم‌های ...
  • عبدی، ف.، مدیریت سازگار شونده برای تدوین سیاست‌های بهینه بهره‌برداری ...
  • Berardi, L, Kapelan, Z., Giustolisi, O. and Savic, D. A., ...
  • Shamir, U. and Howard, C. D. D., _ Analytical Approach ...
  • Kettler, A. J. and Goulter, I. C., Reliability Consideration in ...
  • Kettler, A. J. and Goulter, L. C., "An Analysis of ...
  • Su, Y. C., Mays, L. W., Duan, N. and Lansey, ...
  • Mays, L. W., ed., (1989), Reliability Analysis of Water Distribution ...
  • Cullinane, M. J., Lansey, K. E. and Mayes, L. W..، ...
  • Tabesh, M. and Abedini, _ "Analysis of Pipe Failure in ...
  • Giustolisi, O., Laucelli, D. and Savic, D. A., "Development of ...
  • Watson, T. G., Christian, C. D., Mason, A. J., Smith, ...
  • Dridi, L., Mailhot, A., Parizeau, M. and Villeneuve., J. P., ...
  • Sacluti, F. R., Modeling water distribution pipe failures using artificial ...
  • Ahn, J. C, Lee, S. W., Lee, G. S. and ...
  • Asnaashari, _ Water pipeline failure modeling: statistical, artificial neural network ...
  • Tabesh, M., Soltani, J., Farmani, R. and Savic, D., "Assessing ...
  • Kecman V., Learning and soft computing: support vector machines, neural ...
  • Cristianini, N. & Shawe, J., An introduction o support vector ...
  • Vapnik, V., N., Golowich, S. and Smola, A., "Support Vector ...
  • Mohandes, M. A., Halawani, T. O., Rehman, S. and Hussain, ...
  • Chang, C. C. and Lin, C. J., (2001), "LIBSVM: A ...
  • Sajikumar, N. and Thandaves Wara, B. S., _ Non-Linear Rain ...
  • Tokar, A. S. and Johnson, P. A., ، 'Rain fall-Runoff ...
  • نمایش کامل مراجع