جستجوی مقالات مرتبط با کلیدواژه « simulated annealing » در نشریات گروه « آب و خاک »
تکرار جستجوی کلیدواژه «simulated annealing» در نشریات گروه «کشاورزی»-
بارندگی یکی از اجزای اساسی چرخه آب می باشد و به عنوان یکی از مهمترین مولفه های ورودی چرخه هیدورلوژیکی به شمار می رود. در تحقیق حاضر دقت الگوریتم هیبریدی شبیه سازی تبرید بر پایه ماشین بردار پشتیبان (SVM-SA) در شبیه سازی تغییرات بارندگی مورد ارزیابی قرار گرفت. به منظور واسنجی و صحت سنجی نتایج از آمار و اطلاعات بارندگی ایستگاه سینوپتیک گرگان طی دوره 40 ساله 1971 تا 2010 استفاده شد. در روند تحقیق ابتدا پارامتر های هواشناسی موثر بر مقدار بارندگی تعیین شد. سپس به منظور انتخاب پارامتر های ورودی به الگوریتم مورد نظر، با استفاده از نرم افزار SPSS مقدار ضریب همبستگی پیرسون بین پارامتر های هواشناسی در سطح معنی داری 99 اعمال گردید. نتایج ضریب همبستگی پیرسون نشان داد که از هشت پارامتر مورد نظر، پارامتر های ابرناکی، میانگین دمای حداکثر، فشار بخار آب، رطوبت نسبی حداکثر و نقطه شبنم بیشترین همبستگی معنی دار در سطح 99 درصد را با بارندگی دارند. بنابراین به عنوان پارامتر های ورودی برای پیش بینی پارامتر بارندگی در الگوریتم SVM-SA در نظر گرفته شد. بر اساس نتایج، با استفاده از 5 پارامتر هواشناسی مذکور، مقدار شاخص های RMSE، SE و R2 در بخش آموزش به ترتیب برابر با 6.02 میلی متر، 0.01 و 0.999 و در بخش آزمون مقدار این شاخص ها به ترتیب 18.72 میلی متر، 0.03 و 0.925 محاسبه گردید. نتایج نشان داد که روش ترکیبی SVM-SA می تواند در شبیه سازی تغییرات بارندگی در منطقه مورد مطالعه از دقت بالایی برخوردار باشد و این مدل را به عنوان الگوریتم هیبریدی جدید در حوزه علوم مهندسی می توان معرفی کرد.
کلید واژگان: بارش, شبیه سازی, ماشین بردار پشتیبان, هوش مصنوعی, هیبریدی شبیه سازی تبرید}Precipitation is one of the basic components of the water cycle and it is considered as one of the most important input components of the hydrological cycle. In the current research, the accuracy of the Simulated Annealing algorithm based on Support Vector Machine (SVM-SA) was evaluated in the simulation of precipitation changes. In order to verify the results, the precipitation data of the Gorgan synoptic station during the 40-years from 1971 to 2010 were used . Based on the results, using 5 non-precipitation meteorological parameters including cloud cover, maximum temperature, water vapor pressure, maximum relative humidity, and dew point, the values of RMSE, SE and R2 in the training section are equal to 6.02 mm, 0.01 and 0.999, and in the testing section 18.72 mm, 0.03 and 0.925 mm, were calculated respectively. The results showed that the SVM-SA can be highly accurate in simulating precipitation changes in the study area.
Keywords: Artificial intelligence, Precipitation, Simulated Annealing, Simulation, Support Vector Machine} -
در این تحقیق برای نخستین بار یک مدل شبیه سازی-بهینه سازی بر پایه پویایی سیستم با نرم افزار Anylogic برای مدیریت تغذیه گرایی در مخازن سدها ارایه شده است. بدین منظور روابط عناصر مرتبط با تغذیه گرایی در لایه های مختلف سد کرخه و در ارتباط با هم در قالب یک مدل پویایی سیستم فرموله شدند. مقایسه نتایج مدل شبیه سازی تدوین شده با نتایج مدل های شبیه سازی CE-QUAL-W2 و Vensim در یک بازه زمانی یکساله نشان داد که مقدار ضریب همبستگی برای متغیرهای فسفات، آمونیوم، نیترات، اکسیژن محلول و کلروفیل آ بین دو مدل Anylogic و CE-QUAL-W2 به ترتیب برابر 89/0 ، 81/0 ، 78/0، 75/0 و 86/0 و مقدار این ضریب برای متغیرهای یاد شده بین نتایج دو مدل Anylogic و Vensim برابر با 98/0، 94/0، 90/0، 93/0 و 97/0 می باشند که همبستگی بالای بین نتایج مدل Anylogic را با دو مدل یاد شده نشان می دهد. سپس با ترکیب مدل شبیه سازی تدوین شده با مدل بهینه سازی بازپخت فلزات، یک مدل شبیه سازی-بهینه سازی برای تعیین مقادیر بهینه خروجی آب از مخزن، با لحاظ اهداف کمی و کیفی بدست آمد. در اینجا مقدار میانگین مربعات خطاها بین نتایج دو مدل برای لایه های پایینی، میانی و بالایی مخزن به ترتیب برابر با 004/0، 007/0 و 010/0 و مقدار ضریب همبستگی به ترتیب برابر با 91/0، 9/0 و 79/0 بودند که حکایت از نزدیک بودن نتایج دو مدل دارد. این درحالی است که زمان اجرای مدل SA-Anylogic به مراتب کم تر از مدل SA-CE_QUAL_W2 می باشد. بدین ترتیب مطالعه حاضر کارآیی مدل پیشنهادی را در مدیریت تغذیه گرایی مخازن سدها نشان داد.
کلید واژگان: تغذیه گرایی, شبیه سازی-بهینه سازی, پویایی سیستم, شبیه سازی بازپخت, مدل شبیه ساز Anylogic}In this research, for the first time, a simulation-optimization system dynamic-based model with Anylogic software for reservoir eutrophication management is presented. Thus, the relationships of the elements related to eutrophication were formulated in different layers of Karkheh Dam and in relation to each other in the system dynamics form. comparing the presented results with the results of the CE-QUAL-W2 and Vensim simulation models over a one-year period showed that the value of the correlation coefficient (𝑅2) for the variables phosphate, ammonium, nitrate, Dissolved oxygen and Chlorophyll-A between the two models of Anylogic and CE-QUAL-W2 is equal to 0.89, 0.81, 0.78, 0.75 and 0.86, respectively, and the value of this coefficient for the mentioned variables is equal between the two models of Anylogic and Vensim. With 0.98, 0.94, 0.90, 0.93 and 0.97, which shows the high correlation between the results of Anylogic model with the two mentioned models. Then, by combining the developed model in Anylogic environment with a simulated annealing optimization model, a simulation-optimization model was developed to determine the optimal values of water releases from different layers of reservoir in 15 years’ horizon considering the quantitative and qualitative objectives. Here, the RMSE between the results of the two models for the lower, middle and upper layers of the reservoir is 0.004, 0.007 and 0.010, respectively, and 𝑅2 is 0.91, 0.9 and 0.79. The results indicated that the results of the two models were similiar. This study showed the effectiveness of the proposed model in the management of dam eutrophication.
Keywords: Eutrophication, Simulation-Optimization, System Dynamic, Simulated Annealing, Anylogic Simulation Model} -
در این مطالعه، عملکرد روش های بهینه سازی تکاملی برای طراحی مقطع سدهای خاکی ناهمگن بررسی شده است. این روش ها عبارت اند از: الگوریتم دسته ماهی های مصنوعی (AFSA)، الگوریتم تکامل ترکیبی مجموعه (SCE) و الگوریتم نورد شبیه سازی شده (SA). این مساله به صورت یک تابع بهینه سازی غیرخطی با اعمال قیود متفاوتی نظیر محدودیت های پایداری شیب و ابعاد هندسی فرمول بندی شد. متغیرهای طراحی در فرآیند بهینه سازی، پارامترهای هندسی مقطع سد خاکی هستند و قیود ضرایب اطمینان پایداری از نتایج تحلیلهایی مانند تحلیل تراوش و پایداری شیروانی ها برای مجموعه ای از طرح های نمونه و به کمک مدلهای رگرسیونی خطی به صورت توابعی صریح بر حسب متغیرهای طراحی تعیین گردید. کارایی روش های بهینه سازی در تعیین نقطه بهینه سراسری، بر حسب میانگین عملکرد و متوسط زمان لازم برای محاسبات با یکدیگر مقایسه شد. پس از بهینه سازی ابعاد سد برزک با استفاده از روش های SCE،AFSA وSA، حجم سد به میزان 38، 37 و 30 درصد نسبت به طرح اولیه کاهش یافته است. بر اساس نتایج به دست آمده، در دستیابی به ابعاد بهینه مقطع سد خاکی روش SCEنسبت به روش های SAو AFSAکارایی بهتری دارد.کلید واژگان: بهینه سازی, تکامل ترکیبی مجموعه ها, دسته ماهی های مصنوعی, سد خاکی, نورد شبیه سازی شده}In this study performance of evolutionary optimization methods for designing of cross section of heterogeneous earth dams is investigated. The methods applied were Artifical Fish Swarm (AFSA), Shuffled Complex Evolution (SCE) and Simulated Annealing (SA) algorithms. The model consisted of a nonlinear optimization function by applying different constraints such as slope stability constraints and geometrical dimensions. Design variables in optimization process were the geometrical parameters in cross section of earthen dam and stability safety factors constraints were determined as explicit functions according to design variables by using analyses results such as seepage and slopes stability analysis for a set of sample designs by using linear regression models. Efficiency of the optimization methods in identifying the global optimum point was compared according to mean performance and mean time required for calculations. After optimization of dimensions in Barzok dam by using SCE, AFSA and SA methods, dam volume was reduced 38, 37 and 30 percent respectively as compared to the primary design volume. Results showed that SCE method is more efficient than the SA and AFSA methods in achieving the optimal dimensions in cross section of earth dam.Keywords: Artificial Fish Swarm, Earth Dam, Optimization, Shuffled Complex Evolution, Simulated Annealing}
-
با توجه به لزوم استفاده بهینه از منابع آب و وجود روش های مختلف بهینه سازی، در این تحقیق سه نوع الگوریتم فراکاوشی از جمله الگوریتم مجموعه ذرات، الگوریتم ژنتیک و الگوریتم آنیلینگ به منظور استخراج منحنی های فرمان بهره برداری مخزن سد شهرچای به کار گرفته شدند. بهینه سازی مخزن برای آورد 5 ساله رودخانه شهرچای و با هدف تامین نیاز پایین دست از جمله نیاز شرب، کشاورزی و زیست محیطی انجام گرفت. همچنین به منظور تعیین میزان وابستگی رها سازی به عوامل مختلف از جمله حجم ذخیره و دبی رودخانه، روابط بین متغیرها به صورت یک رابطه غیر خطی درجه 2 درنظر گرفته شد و بر اساس این رابطه پارامترهای مختلف الگوریتم های معرفی شده طوری تعیین گردیدند تا مقدار مینیمم تابع هدف را نتیجه دهند. پارامترهای بهینه برای هر کدام از الگوریتم ها از طریق 10 بار اجرای برنامه (به دلیل وجود متغیرهای تصادفی در هر یک از الگوریتم ها) به دست آمد و مقایسه نتایج منتهی به تعیین بهترین روش برای حل مسئله گردید. طبق نتایج به دست آمده، الگوریتم بهینه سازی مجموعه ذرات به صورت موثرتری نسبت به سایر روش ها در حل مسئله مخزن سد شهرچای عمل نمود و منحنی های فرمان رهاسازی و حجم ذخیره برای سد شهرچای با استفاده از این روش استخراج گردید.
کلید واژگان: الگوریتم آنیلینگ, الگوریتم ژنتیک, الگوریتم مجموعه ذرات, بهینه سازی, منحنی فرمان}With respect to necessity of the optimum use of water resources and existence of many various optimization methods، in this study 3 kinds of heuristic algorithms have been used including Particle Swarm Optimization، Genetic Algorithm and Simulated Annealing to optimize the operation of Shaharchai dam reservoir as an application. The optimization was carried out considering the probability of inflow for a period of 5 years. In order to obtain the best operation of reservoir، monthly release was defined as a second order polynomial according to storage volume and inflow، and different parameters of these algorithms have beenadjusted to minimize the objective function in which supplying the required demand of downstream was defined as the target. The best state of each algorithm is selected through 10 times running of programs (due to intrinsic random behavior of algorithms) and the results comparison leads to realization of which method can perform the best. According to the results، Particle Swarm Optimization method operates more effectively and produces the best results in solving reservoir operation problems. So as an application، control curves of release and storage volume have been extracted for Shaharchai dam reservoir using this method.Keywords: Genetic Algorithm, Optimization, Particle Swarm Optimization, Rule curve, Simulated Annealing}
- نتایج بر اساس تاریخ انتشار مرتب شده‌اند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شده‌است. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که می‌خواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.
©2000-2024 magiran.com All Rights Reserved.