طراحی نمونه برداری چند هدفه برای واسنجی مدل شبکه توزیع آب با استفاده از الگوریتم ژنتیک و شبکه عصبی
Publish place: Journal of Water and Wastewater، Vol: 19، Issue: 65
Publish Year: 1387
نوع سند: مقاله ژورنالی
زبان: Persian
View: 502
This Paper With 10 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:
JR_WWJ-19-65_002
تاریخ نمایه سازی: 4 مهر 1393
Abstract:
در این مقاله یک مدل بهینه سازی چند هدفه نوین برای انتخاب نقاط بهینه در شبکه توزیع آب به منظور نصب ابزارهای اندازه گیری فشار ارائه می شود. داده های فشار سنجی جمع آوری شده در نقاط منتخب (بهینه) می تواند بعداً برای واسنجی مدل مورد استفاده قرار گیرد. توابع هدف ، افزایش دقت پیش بینی مدل واسنجی شده و کاهش هزینه کل نمونه برداری می باشند. به منظور کاهش زمان اجرا ، مدل بهینه سازی چند هدفه با تلفیقی از الگوریتم ژنتیک و شبکه عصبی سازگار توسعه یافته است. شبکه عصبی پس از پیشرفت چند نسل اولیه الگوریتم ژنتیک به صورت اولیه آموزش دیده و پس از تولید تعداد مشخصی از جوابهای تحلیل شده با مدل کامل به صورت دوره ای در طی الگوریتم ژنتیک آموزش مجدد داده می شود تا به روز گردد. شبکه عصبی آموزش دیده در طی پیشرفت الگوریتم ژنتیک جایگزین محاسبه تابع هدف بخشی از کروموزوم های یک نسل می گردد. استفاده از حافظه نهانی سبب جلوگیری از ارزیابی تابع هدف جوابهای تکراری در طی الگوریتم می شود. جواب مدل بهینه سازی به صورت مجموعه نقاط غیرپست (رویه بهینه پارتو ) نسبت به دو تابع هدف به دست می آید. نتایج نشان می دهد تلفیق شبکه های عصبی مصنوعی در مدل بهینه سازی الگوریتم ژنتیک برای برآورد تابع هدف بخشی از جوابها، کاهش چشمگیری در زمان اجرا دارد و می تواند در کاهش زمان اجرای مدل های بهینه سازی با زمان اجرای طولانی بسیار نویدبخش باشد.
Keywords:
Authors
کوروش بهزادیان
کاندیدای دکترای مهندسی آب دانشگاه صنعتی امیرکبیر
عبدا... اردشیر
استادیار دانشکده عمران ، دانشگاه صنعتی امیرکبیر