برآورد کوتاه مدت مصرف آب شهری با استفاده از مدل نوروفازی سوگنو (مدل های دوپارامتری)

سال انتشار: 1385
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,684

فایل این مقاله در 8 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICCE07_068

تاریخ نمایه سازی: 29 دی 1384

چکیده مقاله:

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.

نویسندگان

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 مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله 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 مقاله لینک شده اند :
  • کریمی، د.، 1380، کاربرد منطق فازی در پیش بینی کوتاه ...
  • علیزاده، ا.، (1377)، اصول هیدرولوژی کاربردی چاپ دهم، انتشارات آستان ...
  • Zhou, S.L., Mcmohon, T.A., Walton, A., and Lewis, J., 2000, ...
  • Zhou, S.L., Mcmohon, T.A., Walton, A., and Lewis, J., 2001, ...
  • Tabesh, M., Goosheh, S., and Yazdanpanah, M.J., 2004, "Short-Term Water ...
  • Adeli, H., and Jiang, X., (2002), "Neuro-Fuzzy logic model for ...
  • Jang, J.S.R., (1993), "ANFIS: Adaptive -Network-bas ed Fuzzy Inference Systems", ...
  • Nelles, O., 2001, "Nonlinear System Identification _ Classical Approaches to ...
  • نمایش کامل مراجع