بررسی امکان افزایش دقت تخصیص نیاز آبی در تهیه مدل شبیه سازی هیدرولیکی شبکه آب
Publish place: Journal of Water and Wastewater، Vol: 30، Issue: 5
Publish Year: 1398
Type: Journal paper
Language: Persian
View: 510
This Paper With 14 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
JR_WWJ-30-5_005
Index date: 4 December 2019
بررسی امکان افزایش دقت تخصیص نیاز آبی در تهیه مدل شبیه سازی هیدرولیکی شبکه آب abstract
تخمین نیاز آبی یکی از عوامل اساسی ایجاد خطا حین تهیه مدل های شبیه سازی هیدرولیکی شبکه آب است. روش های مختلفی برای این منظور وجود دارد که هر کدام محدودیت ها و مزایایی دارند. اگر اطلاعات GIS مصرف مشترکان موجود نباشد، می توان از روش های معمول مانند تیسن یا روش توزیع نیاز آبی بر اساس طول لوله در تخمین نیاز آبی شبکه استفاده کرد و اگر این اطلاعات ناقص باشد، می توان از روش های ترکیبی بهره برد. در این پژوهش روش ترکیبی SAWDDC برای تخصیص مکانی نیاز آبی شبکه با استفاده از اطلاعات اکسلی مصرف مشترکان پیشنهاد شد که در آن، مصارف بر اساس آدرس، گروه بندی شده و مصارف هر گروه به نزدیک ترین لوله اختصاص یافت. نتایج شبیه سازی مدل WaterGEMS با استفاده از این روش و روش های تیسن و LDM پس از واسنجی، با مقدار اندازه گیری شده در شبکه توزیع آب پهنه I1 شهر مشهد مقایسه شد. مقدار RMSE بین مقدار اندازه گیری شده و شبیه سازی شده فشار در روش های تیسن، SAWDDC و LDM به ترتیب 3/2، 9/0 و 4/1 تعیین شد که نشان می دهد در صورت وجود اطلاعات ناقص مصرف مشترکان و زمان کافی برای استفاده از آنها، روش SAWDDC دقت شبیه سازی را افزایش می دهد و اگر این اطلاعات موجود نباشد، روش LDM از روش تیسن دقیق تر است.
بررسی امکان افزایش دقت تخصیص نیاز آبی در تهیه مدل شبیه سازی هیدرولیکی شبکه آب Keywords:
بررسی امکان افزایش دقت تخصیص نیاز آبی در تهیه مدل شبیه سازی هیدرولیکی شبکه آب authors
مجید نوری محمدیه
دانشجوی دکترا، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
بیژن قهرمان
استاد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، ایران
کامران داوری
استاد، گروه علوم و مهندسی آب، دانشکده کشاورزی، دانشگاه فردوسی مشهد، مشهد، 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 :