CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

مدل سازی هیدرولیکی شبکه آبرسانی فضای سبز با استفاده از EPANET و پیش بینی مشخصات هیدرولیکی آن به کمک هوش مصنوعی

عنوان مقاله: مدل سازی هیدرولیکی شبکه آبرسانی فضای سبز با استفاده از EPANET و پیش بینی مشخصات هیدرولیکی آن به کمک هوش مصنوعی
شناسه ملی مقاله: JR_IDJ-12-1_017
منتشر شده در در سال 1397
مشخصات نویسندگان مقاله:

سعید فرزین - استادیار، دانشکده مهندسی عمران، دانشگاه سمنان
سید فرهاد موسوی - مهنندسی آب و سازه های هیدرولیکی، دانشکده مهندسی عمران، دانشگاه سمنان، سمنان، ایران
محمدرضا حسنوند - استاد، دانشکده مهندسی عمران، دانشگاه سمنان
امیرحسین سلیمی - استاد، دانشکده مهندسی عمران، دانشگاه سمنان
مهسا دوست محمدی - دانشجوی کارشناسی ارشد، دانشکده مهندسی عمران، دانشگاه سمنان

خلاصه مقاله:
 بروز مشکل در هر یک از بخش­های شبکه­های آبرسانی، در اثر پدیده­های ناشی از نوسانات فشار و یا سرعت، می­تواند سبب ایجاد اختلال در زندگی مصرف­کنندگان گردد. برای جلوگیری از بروز این گونه مشکلات، طراحی مناسب و مدیریت بهینه شبکه­ها از اهمیت بالایی برخوردار است. در پژوهش حاضر، کنترل­ فشار و سرعت جهت جلوگیری از بروز مشکلات در شبکه آبرسانی بررسی شده و همچنین مشخصات هیدرولیکی جریان در لوله­ها توسط شبکه عصبی مصنوعی پیش­بینی گردید. در این راستا، ابتدا با زون­بندی شهر کنگاور در استان کرمانشاه (به عنوان مطالعه موردی) به نواحی شش­گانه براساس پارامترهای توزیع، ترسیم شبکه­های آبرسانی فضای سبز برای شهر با دوره طرح ۱۰ساله و جمعیت هدف ۹۵ هزار نفر، بر اساس الگوی آبیاری ۲۲ ساعته در شبانه­روز و سرانه فضای سبز ۶/۲۹ مترمربع در انتهای دوره طرح انجام گردید. سپس، با استفاده از نرم­افزار EPANET به تحلیل فشار، سرعت و دبی در شبکه پرداخته شد. براساس نتایج حاصل، بیشینه فشار در گره ۳-۳ در ناحیه سوم فشاری روی داد که در حدود ۱۰۰ متر آب است و بیشینه میزان سرعت در شبکه، در حدود ۴/۱ متر بر ثانیه بهدست آمد. همچنین، نتایج نشان داد که دبی استفاده شده برای شبکه با توجه به قطر لوله­ها و مسیرهای انتخابی در نواحی مختلف در محدوده مناسب می­باشد. در ادامه، با استفاده از مقادیر اندازه­گیری شده، شبکه عصبی مصنوعی آموزش داده شد و شبکه بهینه با ضرایب همبستگی ۸۷/۰ و ۸۵/۰ به ترتیب برای فاز آموزش و آزمون، انتخاب شد. سپس دبی، سرعت و افت جریان لوله توسط شبکه بهینه پیش­بینی گردید. نتایج نشان دهنده قابلیت بالای شبکه عصبی مصنوعی در تحلیل و پیش­بینی مشخصات هیدرولیکی لوله­های شبکه آبرسانی بود.

کلمات کلیدی:
افت فشار, شبکه عصبی مصنوعی, کنگاور, مدیریت شبکه آبرسانی, EPANET

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1211000/