پیشبینی میانمدت تقاضای آب شهری با استفاده از شبکههای عصبی و الگوریتمهای تکاملی

سال انتشار: 1395
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 542

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

این مقاله در بخشهای موضوعی زیر دسته بندی شده است:

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

IHC15_108

تاریخ نمایه سازی: 6 اسفند 1395

چکیده مقاله:

پیشبینی تقاضای آب در سیستمهای آبرسانی به منظور مدیریت صحیح منابع آب و توزیع آن امری ضروری است. در این مطالعه به منظور فائق آمدن بر روند غیرخطی مصرف آب، با ادغام شبکه عصبی چند لایه با الگوریتمهای تکاملی PSO و ICA ،اقدام به آموزش شبکه و پیشبینیمیانمدت مصرف آب در شهرستان صوفیان بر اساس پارامترهای هواشناسی شده است. مقایسه نتایج شبکه ترکیب شده با الگوریتمهای PSO وICA با شبکهای که توسط الگوریتم کلاسیک LM آموزش دیده، نشان میدهد که شبکههای ترکیبی عملکرد بهتری داشته و در این بین، شبکه عصبی ترکیبی با PSO ،با ضریب همبستگی 98/0 در هر یک از فصول گرم و سرد سال، دقت بالاتری نسبت به سایر شبکهها دارد. همچنین پیش- بینی تقاضای آب با استفاده از مدل ترکیبی طراحی شده، با چشمانداز 10 ساله، نشان داد که تقاضای آب دراین شهرستان در سال 1404 حدود 40 % افزایش خواهد یافت.

نویسندگان

نازیلا کاردان

استادیار گروه مهندسی عمران، دانشکده فنی و مهندسی، دانشگاه شهید مدنی آذربایجان

یوسف حسن زاده

استاد گروه مهندسی آب، دانشکده مهندسی عمران، دانشگاه تبریز

میرحامد رضوی نژاداهر

دانشجوی دکتری مهندسی عمران – مهندسی و مدیریتمنابع آب، دانشکده مهندسی عمران، دانشگاه تبریز

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 :
  • عراقی نژاد، ت، مروتی، ر. و حسینی موغاری، س: م. ... [مقاله کنفرانسی]
  • Sozen, A. and Arcaklioglu, E. (2007). Prediction of net energy ...
  • Zhou, S. L., McMahon, T. A., Walton, A. & Lewis, ...
  • Kim, J.H., Hwang, S.H. and Shin, H.S. (2001). A neuro-genetic ...
  • Altunkaynak, _ _ M. and Cakmakci, M. (2005). Water consumption ...
  • Tabesh, M., Goosheh, S. and Yazdanpanah, M. J. (2006). Short ...
  • Ghiassi, G.A., Zimbra, D.K.B. and Saidane, H.C. (2008). Urban water ...
  • Babel, M.S. and Shinde, V.R. (2011). Identifying Prominent Explanatory Variables ...
  • Almutaz, I., Ajbar, A., Khalid, Y. and Ali, E. (2012a). ...
  • Almutaz, I., Ajbar, _ Khalid, Y.and Ali, E. (2012b). Determinants ...
  • Chau, K.W. (2006). Particle _ optimization training algorithm for ANNs ...
  • Izquierdo, J., Montalvo, I., Perez, R. and Fuertes, V. (2008). ...
  • Levenberg, k. (1944). A method for solution of certain non-1inear ...
  • McCulloch, W.S and Pitts, W. (1943). A logic calculus of ...
  • McClelland, J.L., Rumelhart, D.E. and Hinton, G.E. (1986). The appeal ...
  • Levenberg, k. (1944). A method for solution of certain non-linear ...
  • Marquardt, D. 1963. An algorithm for least-squares estimation of nonlinear ...
  • Ahmadi, M.A. 2011. Prediction of Asphatene precipitation using artificial neural ...
  • Kennedy, J. and Eberhart, R. 1995. Particle SWarm optimization. In: ...
  • Kennedy, J. and Mendes, R. 2002. Population structure and particle ...
  • Zhang G., Patuwo, B.E. and Y, Hu M. (1998). Forecasting ...
  • نمایش کامل مراجع