خوشه بندی مکانی شبکه های آبیاری با استفاده از روش کلاسیک K-Means (مطالعه موردی شبکه آبیاری قزوین)

Publish Year: 1389
نوع سند: مقاله ژورنالی
زبان: Persian
View: 106

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:

JR_IWRR-7-1_005

تاریخ نمایه سازی: 1 اسفند 1401

Abstract:

بهبود عملکرد شبکه های آبیاری از را هکار های اساسی صرفه جویی در منابع آبی می باشد.  اولین گام برای بهبود عملکرد شبکه ها، ارزیابی وضع موجود و سپس ارائه راهکار جهت رفع مشکلات می باشد. یک گام موثر و کاربردی در ارزیابی و بهبود عملکرد، استخراج مناطق همگن شبکه کانال ها بر اساس خصوصیات فیزیکی و فنی می باشد. هدف اصلی از این تحقیق، پهنه بندی مکانی و کاربرد یک روش کمی جهت استخراج مناطق همگن فیزیکی شبکه های آبیاری و نمایش قابلیت این روش در یک شبکه آبیاری واقعی می باشد. تکنیک مورد استفاده جهت پهنه بندی مکانی، روش خوشه بندی کلاسیک K-Means است. داده های مورد استفاده به عنوان ورودی مدل خوشه بندی به صورت یک ماتریس ۵×۱۶۲ بعدی است که همان خصوصیات فیزیکی و فنی کانال های انتقال شبکه آبیاری قزوین می باشند. بر اساس شاخص صحت سنجی خوشه بندی دیویس- بولدین (DB)، تعداد بهینه خوشه ها برابر ۱۰ خوشه بدست آمد. هر کدام از خوشه های بدست آمده معرف یک ناحیه همگن در سطح شبکه می باشد که مدیران شبکه را قادر خواهد ساخت دامنه تصمیم گیری های خود را از محدوده وسیعی در ابعاد یک شبکه به محدوده کوچک تری در ابعاد چند منطقه همگن محدود کاهش دهند.  این امر سبب سهولت مدیریت و ارزیابی و تصمیم گیری در سطح مناطق همگن و نیز صرفه جوئی در زمان و هزینه مدیریت خواهد شد.

Authors

محمدجواد منعم

دانشیار/ گروه سازه های آبی، دانشگاه تربیت مدرس، تهران، ایران.

سیدمهدی هاشمی

دانشجوی دکتری/گروه سازه های آبی، دانشگاه تربیت مدرس، تهران، 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 :
  • حیدریان، س. ا.، فرداد، ح.، منعم، م. ج.، لیاقت، ع.، ...
  • خلخالی، م.، منعم، م. ج.، و ابراهیمی ک. (۱۳۸۷)، "تدوین ...
  • منعم، م. ج.، علیرضائی، م. ر. و صالحی طالشی، ا. ...
  • Bruscoli, P., Bresci, E. and Preti, F. (۲۰۰۱), “Diagnostic analysis ...
  • Burt, C. (۲۰۰۱), Rapid Appraisal Process (RAP) and Benchmarking Explanation ...
  • Davies, D. L. and Bouldin, D.W. (۱۹۷۹), “A cluster separation ...
  • Han, J. and Kamber, M. (۲۰۰۶), Data Mining: Concepts and ...
  • Johnson, R.A. and Wichern, D.W. (۱۹۹۹), Applied multivariate statistical analysis, ...
  • Kim, D.W., Lee, K.H., and Lee, D. (۲۰۰۴), “On cluster ...
  • Malano, H. and Burton, M. (۲۰۰۱), Guidelines for Benchmarking Performance ...
  • Malano, H. and Gao, G. (۱۹۹۲), “Ranking and classification of ...
  • Oad, R. and Mc Cornick, P.G. (۱۹۸۹), “Methodology for assessing ...
  • Theodoridis, S. and Koutroumbas, K. (۲۰۰۳), Pattern Recognition, Elsevier Press, ...
  • Valente, J.O. and Pedrycz, W. (۲۰۰۷), Advances in Fuzzy Clustering ...
  • Van der Heijden, F., Duin, R. P. W., de Ridder, ...
  • نمایش کامل مراجع