کاربرد تئوری آنتروپی و روش خوشه بندی c- میانگین در طراحی بهینه سازی سامانه های پایش کیفی منآبع آب زیرزمینی
Publish place: 06th Iranian Hydraulic Conference
Publish Year: 1386
Type: Conference paper
Language: Persian
View: 3,875
This Paper With 9 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
Export:
Document National Code:
IHC06_109
Index date: 5 May 2009
کاربرد تئوری آنتروپی و روش خوشه بندی c- میانگین در طراحی بهینه سازی سامانه های پایش کیفی منآبع آب زیرزمینی abstract
کاربرد تئوری آنتروپی یکی از روشهای موجود برای ارزیآبی عدم قطعیت موجود در سیستم ها با استفاده از اطلاعات محدود موجود می باشد. در این مقاله سعی شده است با استفاده از تئوری آنتروپی گسسته و روش خوشه بندی –c میانگین کارایی سیستم پایش کیفی منآبع آب زیرزمینی دشت تهران ارزیآبی شود و یک روش جدید برای بهنگام سازی موقعیت ایستگاههای پایش کیفی منآبع آب زیرزمینی ارائه گردد به دلیل وسعت زیاد ناحیه مورد مطالعه و ناهمگنی منطقه چه از لحاظ پراکندگی چاههای مشاهداتی و چه ازنظر میزان و تغییرات آلاینده ها، با استفاده از روش –c میانگین ناحیه مورد مطالعه به سه ناحیه تقسیم شده و کلیه مطالعه به چندین ناحیه، برای هر ناحیه یک منحنی که نشاندهنده شاخص انتقال اطلاعات - فاصله برای کلیه ایستگاههاست محاسبه و ترسیم می گردد. برای کاهش عدم قطعیت موجود در استفاده از این روش از تئوری مجموعه فازی استفاده می شود و یک مدل الگوریتم ژنتیک برای بهینه کردن فاصله بین ایستگاههای پایش کیفی ارائه می گردد. نتایج حاصل از این مقاله نشان دهنده کارایی مناسب الگوریتم پیشنهادی در ارزیآبی و بهنگام سازی سیستم های پایش کیفی منآبع آب زیرزمینی می باشد.
کاربرد تئوری آنتروپی و روش خوشه بندی c- میانگین در طراحی بهینه سازی سامانه های پایش کیفی منآبع آب زیرزمینی Keywords:
کاربرد تئوری آنتروپی و روش خوشه بندی c- میانگین در طراحی بهینه سازی سامانه های پایش کیفی منآبع آب زیرزمینی authors
فریبرز معصومی
کارشناس ارشد مهندسی آب، دانشکده عمران، دانشگاه تهران
رضا کراچیان
استادیار 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 :