فهرست مطالب m.j. zeynali
-
بسیاری از مطالعات در بهینه سازی شبکه های آبرسانی به کاهش دادن هزینه های این زیرساخت ها اختصاص یافته است. در روش های بهینه سازی عمومی کمینه سازی هزینه تنها هدف موجود می باشد، اما این عمل در سیستم های آبرسانی ممکن است باعث کاهش عملکرد و راندمان سیستم شود. بنابراین مدل های بهینه سازی چند هدفه برای کاهش حجم زیادی از هزینه این سیستم ها و افزایش راندمان کارکرد آنها مورد استفاده قرار می گیرند. در تحقیق حال حاضر به مطالعه موردی در یکی از شهرک های شهر کرمان به منظور کاهش هزینه های احداث شبکه لوله های آب جایگزن به کمک الگوریتم رقابت استعماری وسپس شبیه سازی شبکه با استفاده از نرم افزار واتر جمز [1] پرداخته شد. ابتدا شبکه آبرسانی منطقه مورد مطالعه در محیط واتر جمز مدل شده و سپس بر اساس نتایج شبیه سازی مشخصات شبکه آبرسانی به الگوریتم بهینه سازی وارد گشته و با استفاده از محدودیت های استاندارد فشار و سرعت، گزینه های بهینه توسط این الگوریتم تعیین شد. با اجرای مجدد نتایج حاصل از مدل بهینه سازی در مدل واتر جمز و کنترل محدودیت ها، به برآورد هزینه و مقایسه آن ها با یکدیگر پرداخته شد. بررسی نتایج مدل بهینه سازی نشان می دهد که الگوریتم رقابت استعماری به میزان قابل توجهی توانسته است تابع هزینه را نسبت به حالت قبل از بهینه سازی شبکه کاهش دهد.کلید واژگان: الگوریتم رقابت استعماری, بهینه سازی, شبکه آبرسانی, Water GEMS}Numerous studies in optimization of water supply networks have been allocated to cost reduction of these infrastructures. In general optimization methods, minimizing the costs is the unique purpose, but applying this view point for the case of water supply systems may lead to reduction of the utility and efficiency of the system. Therefore, some multi-objective optimization models have been used to decrease the large amount of costs in these systems and to increase their operation efficiency. The present study has attempted to illustrate a case study for a town of Kerman in order to decrease the costs of rebuilding pipe network using the Imperialistic Competition Optimization Algorithm. So, the network simulation was performed with Water GEMS software. Firstly, the water supply network of the study area was simulated in the Water GEMS model. Next, the properties of water supply network were inserted. Then, using the standard pressure and speed constraints, the optimal options of the algorithm were obtained. By re-running the results of this optimized model in the Water GEMS model and the limits’ checkup, the total costs were estimated and compared. Analysis of the optimal model results showed that in comparison with the state prior to the network optimization, the Imperialistic Competition Algorithm has significantly reduced the cost function of the network.Keywords: Imperialistic competition algorithm, Kerman, Optimization, Water GEMS model, Water supply network}
-
پیش بینی تغییرات آب و هوایی کره زمین با استفاده از مقادیر ثبت شده در دوره آماری حاضر نیازمند روشی دقیق بوده که بتوان نوسانات این تغییرات را به خوبی شناسایی کرده و با الگوگیری از این تغییرات مقادیر پارامتر مورد نظر را برای سال ها و یا دوره های آینده پیش بینی نمود. در این مطالعه شش مدل رگرسیون چند متغیره، ANN، SVR، ANFIS، SVM و GP جهت ریزمقیاس نمایی مقادیر متوسط دمای روزانه ایستگاه همدیدی ارومیه با استفاده از 26 پارامتر پیش بینی کننده منتج از گزارش پنجم IPCC مورد بررسی و مقایسه قرار گرفت. مقادیر دمای متوسط روزانه ایستگاه مورد بررسی از تاریخ 12 مارس 1961 (29 اسفند 1384) تا تاریخ 20 دسامبر 2005 (29 آذر 1384) انتخاب گردید. در تمامی روش های ذکر شده با استفاده از آزمون پیرسون از بین 26 پارامتر پیش بینی کننده ، 16 پارامتر که همبستگی بالایی با مقادیر دمای متوسط روزانه داشته انتخاب گردید. جهت بررسی مقادیر خطای ناشی از مدل سازی از سه معیار ضریب تبیین، مجذور میانگین مربعات خطا و معیار کارایی مدل استفاده شد. نتایج بررسی دقت و میزان خطای مدل ها نشان داد که در بین مدل های هوشمند GP، ANN، ANFIS و SVM، مدل برنامه ریزی ژنتیک کمترین مقدار خطا را داشته و در بین مدل های رگرسیونی (رگرسیون چندمتغیره و رگرسیون بردار پشتیبان) روش رگرسیون بردار پشتیبان، کمترین میزان خطا و بیشترین میزان دقت را در شبیه سازی مقادیر دمای روزانه ایستگاه همدیدی ارومیه داشته است. به طور کلی نتایج شبیه سازی مقادیر دما روزانه نشان دهنده دقیق تر بودن روش های رگرسیونی نسبت به روش های هوشمند می باشد. از آنجا که این مطالعه تنها با استفاده از داده های ایستگاه همدیدی ارومیه انجام گرفته است، لذا نتایج حاصله تنها برای ایستگاه مذکور اعتبار داشته و با اطمینان نمی توان نتایج را برای تمامی ایستگاه ها تعمیم داد.
کلید واژگان: الگوریتم ژنتیک, درجه حرارت, دریاچه ارومیه, ماشین بردار پشتیبان, ریز مقیاس}Prediction of climate change using the recorded data from reference periods requires precise methods that are able to accurately detect fluctuations and predict changes for future periods. In this study, six multivariate regression models, ANN, SVR, ANFIS, SVM and GP, were investigated and compared for down scaling the daily mean temperature of the Urmia synoptic station, using 26 prediction parameters taken from the fifth IPCC report. The average daily temperature values measured from 12/03/1961 to 20/12/2005 were used for the analysis. 16 of the 26 parameters having a high correlation with the average daily temperature values were selected for all methods using the Pearson correlation test. To investigate the modeling errors, the coefficient of determination, Root Mean Square Error, and effectiveness criteria were used. The results of the evaluation of the accuracy and modeling error showed that among the smart models, GP, ANN, ANFIS and SVM, the Genetic Programming model has the least amount of errors, and in the regression model (multivariate regression and support vector regression) support vector regression has the lowest error rate and the highest accuracy of simulated daily temperature values of the Urmia station. In general, the results of the simulation of the mean daily temperature indicate that regression has better accuracy than smart methods. Since in this study, we only used the data from the Urmia synoptic station, so the results are only valid for this station, and it is not safe to generalize the results for all stations.
Keywords: Down Scaling, Genetic Algorithm, Support vector regression, Temperature, Urmia Lake} -
یکی از مسائل مهم بهینه سازی در مدیریت منابع آب، مساله بهره برداری بهینه از مخازن سدها است. در خصوص مسائل بهینه سازی روش های مختلفی به کار گرفته شده که با توجه به عدم توانایی روش های بهینه سازی معمول، در حل مسائل پیچیده بهینه سازی، به کارگیری الگوریتم های فرا ابتکاری بیش ازپیش مورد توجه قرارگرفته است. در این تحقیق از الگوریتم های ازدحام ذرات، ژنتیک و سیستم مورچگان پیوسته جهت بهینه سازی بهره برداری از مخزن سد درودزن استفاده شد. افزون بر این، تاثیر اعمال قیود زنجیره ای در بدنه این الگوریتم ها مورد بررسی قرار گرفت. نتایج نشان داد که با در نظر گرفتن قیود زنجیره ای تمامی برنامه ها منجر به جواب های شدنی گردیده ولی بدون در نظر گرفتن قیود زنجیره ای در مواردی الگوریتم قادر به یافتن جواب شدنی نبوده است. لذا اعمال این قیود در بدنه این الگوریتم ها کارآیی آن ها را به مراتب بالا برد. همچنین الگوریتم ژنتیک در یافتن جواب بهینه شدنی عملکرد بهتری نسبت به دو الگوریتم دیگر داشته است. جهت تحلیل عملکرد الگوریتم ها از معیار اعتمادپذیری استفاده شده است و با توجه به این معیار که یکی از مهم ترین معیارها در تعیین عملکرد سیستم ها است، الگوریتم ژنتیک با اعتمادپذیری معادل 964/ 0، مناسب ترین عملکرد را داشته است.
کلید واژگان: اعتمادپذیری, الگوریتم های فرا ابتکاری, بهینه سازی, سد درودزن, قیود زنجیره ای}One of the most important problems in water resources management is the optimal operation of dam reservoirs. Various methods have been applied to deal with optimization problems. Noting the inability of the conventional optimization methods to solve complex optimization problems, the Meta-Heuristic algorithms have been noticed more than ever. In this study, particle swarm, genetic and continuous ant colony system algorithms were used to optimize the operation of the Doroodzan reservoir. Furthermore, the effect of chain constraints inclusion on the framework of these algorithms were analyzed. The results indicated that regarding the chain constraints, all programs resulted in feasible solutions, where without chain constraints, in some cases the algorithm was unable to find a feasible solution. Therefore, applying these constraints in the framework of the algorithms improved their performances further. In finding the optimized solution, the Genetic algorithm had a better performance than the two other algorithms. Reliability criterion was used to evaluate the algorithms performances. Based on this criterion, as one of the most important criteria in determining system performance, the Genetic algorithm with the Reliability value of 0.964 had the most suitable performance.Keywords: Chain constraints, Doroodzan dam, Meta, Heuristic algorithms, Optimization, Reliability}
- در این صفحه نام مورد نظر در اسامی نویسندگان مقالات جستجو می‌شود. ممکن است نتایج شامل مطالب نویسندگان هم نام و حتی در رشته‌های مختلف باشد.
- همه مقالات ترجمه فارسی یا انگلیسی ندارند پس ممکن است مقالاتی باشند که نام نویسنده مورد نظر شما به صورت معادل فارسی یا انگلیسی آن درج شده باشد. در صفحه جستجوی پیشرفته می‌توانید همزمان نام فارسی و انگلیسی نویسنده را درج نمایید.
- در صورتی که می‌خواهید جستجو را با شرایط متفاوت تکرار کنید به صفحه جستجوی پیشرفته مطالب نشریات مراجعه کنید.
©2000-2024 magiran.com All Rights Reserved.