برآورد کوتاه مدت مصرف آب شهری با استفاده از مدل نوروفازی سوگنو (مدل های دوپارامتری)
Publish place: 7th International Congress on Civil Engineering
Publish Year: 1385
Type: Conference paper
Language: Persian
View: 1,816
This Paper With 8 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ICCE07_068
Index date: 19 January 2006
برآورد کوتاه مدت مصرف آب شهری با استفاده از مدل نوروفازی سوگنو (مدل های دوپارامتری) abstract
برآورد مصرف آب در سیستم های آبرسانی یکی از مهمترین و کاربردی ترین مباحث می باشد. پیچیدگی و تاثیر عوامل و پارامترهای مختلف بر میزان مصرف سبب گردیده است که روش های تحلیلی و ریاضی کارایی لازم را در این زمینه نداشته باشند. در این مقاله روش نوروفازی برای برآورد مصرف آب شهری تهران بکار رفته است. پارامترهای هواشناسی مربوط به سه ایستگاه هواشناسی تهران بزرگ به روش تیسن وزن دهی شده و از میانگین وزنی آنها داده های ورودی مدل بدستمی آید. با ایجاد همبستگی بین میانگین وزنی پارامترهای هواشناسی و داده های مصرف پارامترهای موثر مدل انتخاب می شود. پارامترهای موثر انتخاب شده شامل درجه حرارت متوسط روزانه، درصد رطوبت نسبی، مصرف روزانه یک روز قبل، مصرف روزانه یک هفته قبل و مصرف روزانه یک سال قبل می باشد. در این مقاله مدل نوروفازی سوگنو با الگوریتم بهینه سازی ترکیبی پس از انتشار خطا و حداقل مربعات برای ساخت مدل های با دو ورودی استفاده شده است. نوع تفکیک ورودی ها به صورت خوشه ای می باشد. مدل های با ورودی صرفا مصرف، دارای بهترین نتایج میباشد که در این میان مدل با ورودی مصرف یک روز قبل و یک هفته قبل از آن جمله است.
برآورد کوتاه مدت مصرف آب شهری با استفاده از مدل نوروفازی سوگنو (مدل های دوپارامتری) Keywords:
برآورد کوتاه مدت مصرف آب شهری با استفاده از مدل نوروفازی سوگنو (مدل های دوپارامتری) authors
مهدی دینی
دانشجوی کارشناسی ارشد عمران - آب، دانشکده فنی دانشگاه تهران
مسعود تابش
استادیار دانشکده فنی دانشگاه تهران
محسن ناصری
کارشناس ارشد عمران - آب، دانشگاه صنعتی اصفهان
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 :