CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)
عنوان
مقاله

پیش بینی ذخیره مخزن سد با استفاده از روش بهینه سازی ACS

اعتبار موردنیاز: ۱ | تعداد صفحات: ۸ | تعداد نمایش خلاصه: ۱۳۶۵ | نظرات: ۰
سال انتشار: ۱۳۸۶
نوع ارائه: شفاهی
کد COI مقاله: NCDHS01_014
زبان مقاله: فارسی
حجم فایل: ۲۲۲.۲۹ کلیوبایت (فایل این مقاله در ۸ صفحه با فرمت PDF قابل دریافت می باشد)

راهنمای دانلود فایل کامل این مقاله

اگر در مجموعه سیویلیکا عضو نیستید، به راحتی می توانید از طریق فرم روبرو اصل این مقاله را خریداری نمایید.
با عضویت در سیویلیکا می توانید اصل مقالات را با حداقل ۳۳ درصد تخفیف (دو سوم قیمت خرید تک مقاله) دریافت نمایید. برای عضویت در سیویلیکا به صفحه ثبت نام مراجعه نمایید. در صورتی که دارای نام کاربری در مجموعه سیویلیکا هستید، ابتدا از قسمت بالای صفحه با نام کاربری خود وارد شده و سپس به این صفحه مراجعه نمایید.
لطفا قبل از اقدام به خرید اینترنتی این مقاله، ابتدا تعداد صفحات مقاله را در بالای این صفحه کنترل نمایید. در پایگاه سیویلیکا عموما مقالات زیر ۵ صفحه فولتکست محسوب نمی شوند و برای خرید اینترنتی عرضه نمی شوند.
برای راهنمایی کاملتر راهنمای سایت را مطالعه کنید.

خرید و دانلود PDF مقاله

با استفاده از پرداخت اینترنتی بسیار سریع و ساده می توانید اصل این مقاله را که دارای ۸ صفحه است در اختیار داشته باشید.

قیمت این مقاله : ۳۰,۰۰۰ ریال

آدرس ایمیل خود را در زیر وارد نموده و کلید خرید با پرداخت اینترنتی را بزنید. آدرس ایمیل:

رفتن به مرحله بعد:

در صورت بروز هر گونه مشکل در روند خرید اینترنتی، بخش پشتیبانی کاربران آماده پاسخگویی به مشکلات و سوالات شما می باشد.

مشخصات نویسندگان مقاله پیش بینی ذخیره مخزن سد با استفاده از روش بهینه سازی ACS

  بهمن فرهمندآذر - استادیار دانشکدة عمران دانشگاه تبریز
  سیامک طلعت اهری - دانشجوی کارشناسی ارشد دانشکدة عمران دانشگاه تبریز
  جواد حسن زاده (شناسه پژوهشگر - Researcher ID: ۳۵۶۵)
کارشناس ارشد دانشکدة عمران دانشگاه تبریز
  سوسن فتحی - کارشناس ارشد دانشکدة عمران دانشگاه تبریز

چکیده مقاله:

الگوریتم اجتماع مورچه ها یکی از جدیدترین روشهای بهینه سازی مبتنی بر طبیعت می باشد که در زمینه های مختلف کاربرد فراوانی پیدا کرده اند. در این مطالعه این روش برای پیش بینی ذخیره مخزن سد ها به کار برده شده است. پیش بینی مقادیر ذخیره سد، امکان یافتن سیاست بهینه بهره برداری از مخازن را افزایش داده، امکان برگشت سرمایه را درمدت زمان کمتری فراهم می سازد. چون الگوریتم اجتماع مورچه ها یکی از روشهای جستجوی جامع می باشد بدون نیاز به هیچ الگوریتم دیگری می تواند در زمینه پیش بینی ذخیره مخازن سدها مورد استفاده قرار گیرد. مطالعه موردی، سد جیرفت می باشد که قبلاً با استفاده از الگوریتم ژنتیک مورد مطالعه قرار گرفته است. نتایج حاصل از این تحقیق در مقایسه با نتایج روش الگوریتم ژنتیک، قدرت الگوریتم اجتماع مورچه ها را به اثبات می رساند.

کلیدواژه‌ها:

روش بهینه سازی سیستم اجتماع مورچه ها، پیش بینی ذخیره مخزن.

کد مقاله/لینک ثابت به این مقاله

برای لینک دهی به این مقاله، می توانید از لینک زیر استفاده نمایید. این لینک همیشه ثابت است و به عنوان سند ثبت مقاله در مرجع سیویلیکا مورد استفاده قرار میگیرد:
https://www.civilica.com/Paper-NCDHS01-NCDHS01_014.html
کد COI مقاله: NCDHS01_014

نحوه استناد به مقاله:

در صورتی که می خواهید در اثر پژوهشی خود به این مقاله ارجاع دهید، به سادگی می توانید از عبارت زیر در بخش منابع و مراجع استفاده نمایید:
فرهمندآذر, بهمن؛ سیامک طلعت اهری؛ جواد حسن زاده و سوسن فتحی، ۱۳۸۶، پیش بینی ذخیره مخزن سد با استفاده از روش بهینه سازی ACS، اولین همایش ملی سد و سازه های هیدرولیکی، کرج، دانشگاه آزاد اسلامی واحد کرج، https://www.civilica.com/Paper-NCDHS01-NCDHS01_014.html

در داخل متن نیز هر جا که به عبارت و یا دستاوردی از این مقاله اشاره شود پس از ذکر مطلب، در داخل پارانتز، مشخصات زیر نوشته می شود.
برای بار اول: (فرهمندآذر, بهمن؛ سیامک طلعت اهری؛ جواد حسن زاده و سوسن فتحی، ۱۳۸۶)
برای بار دوم به بعد: (فرهمندآذر؛ طلعت اهری؛ حسن زاده و فتحی، ۱۳۸۶)
برای آشنایی کامل با نحوه مرجع نویسی لطفا بخش راهنمای سیویلیکا (مرجع دهی) را ملاحظه نمایید.

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 :

  • -Chang Jian-Xia, Huang Qiang and Wang Yi-Min, (2005), "Genetic algorithms ...
  • -Goldberg D.E.(1989), " Genetic algorithms in search , optimization and ...
  • -Mathwo rks, (2005), ' Genetic algorithms and direct Research toolbox" ...
  • - Sharif and Wardlaw , (2000). "Mu ltireservoir system optimization ...
  • - Wardlaw and Sharif , (1999) ."Evaluation of genetic algorithms ...
  • Dorigo, M.: Optimization, "Learning and Natural Algorithms, PhD thesis', Politecnico ...
  • طلعت‌اهری، فرهمندآذر: بهینه سازی سازه‌های خرپایی با استفاده از روش ... (مقاله کنفرانسی)
  • علم سنجی و رتبه بندی مقاله

    مشخصات مرکز تولید کننده این مقاله به صورت زیر است:
    نوع مرکز:
    تعداد مقالات: ۲۱۱۳۶
    در بخش علم سنجی پایگاه سیویلیکا می توانید رتبه بندی علمی مراکز دانشگاهی و پژوهشی کشور را بر اساس آمار مقالات نمایه شده مشاهده نمایید.

    مدیریت اطلاعات پژوهشی

    اطلاعات استنادی این مقاله را به نرم افزارهای مدیریت اطلاعات علمی و استنادی ارسال نمایید و در تحقیقات خود از آن استفاده نمایید.

    مقالات پیشنهادی مرتبط

    مقالات مرتبط جدید

    شبکه تبلیغات علمی کشور

    به اشتراک گذاری این صفحه

    اطلاعات بیشتر درباره COI

    COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
    کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.