استفاده از مدل جایگزین شبکه عصبی مصنوعی بهمنظور کاهش محاسبات شناسایی نشت در شبکههای آبرسانی | ||
| نشریه مهندسی عمران امیرکبیر | ||
| مقاله 16، دوره 52، شماره 10، دی 1399، صفحه 2635-2648 اصل مقاله (2.18 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22060/ceej.2019.15980.6096 | ||
| نویسندگان | ||
| سعید سرکمریان1؛ سیدمحمد اشرفی* 2؛ علی حقیقی2؛ حسین محمدولی سامانی2 | ||
| 1دانشجوی دکترا، گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران | ||
| 2گروه مهندسی عمران، دانشکده مهندسی، دانشگاه شهید چمران اهواز، اهواز، ایران. | ||
| چکیده | ||
| دستیابی به پارامترهای نشت در روش تحلیل معکوس جریان گذرا (ITA )به صورت معکوس و با حل یک مسئله برنامهریزی غیرخطی توسط الگوریتمهای فراکاوشی همچون الگوریتم ژنتیک (GA )انجام میشود. با وجود توانایی بالای روش ITA در یافتن پارامترهای نشت، استفاده از الگوریتم GA در این روش سبب میشود تا از نظر کارایی محاسباتی، نیازمند صرف هزینه و زمان محاسباتی زیادی باشد. دلیل این امر را میتوان ماهیت حرکات تصادفی و تکاملی تدریجی الهام گرفته شده از طبیعت در الگوریتم GA دانست. در این پژوهش با هدف افزایش راندمان محاسباتی، استفاده از مدلهای جایگزین در بخش فرایند بهینهسازی روش ITA پیشنهاد میشود. مدل جایگزین در واقع نمونه شبیهسازی شده مدل اصلی بوده که قادر است مقدار تقریبی تابع هدف را در کسری از ثانیه محاسبه کند. نحوه به کارگیری این مدلها در فرایند بهینهسازی در موفقیت استفاده از این روشها تأثیر بسزایی دارد. در همین راستا دو الگوریتم دارای مدل جایگزین مبتنی بر اعضای جمعیت با عناوین(PS )Strategy selection-Pre و BS) Strategy Best) معرفی میشوند. به منظور ارزیابی و مقایسه نتایج، از یک شبکه آبرسانی با هدف یافتن پارامترهای نشت استفاده شده است. نتایج، افزایش راندمان محاسباتی را نسبت به استفاده از الگوریتم GA در روش ITA نشان دادند. الگوریتم PS توانست با کاهش 58 %میزان تابع هدف و صرفهجویی زمان محاسباتی 78 %نسبت به الگوریتم GA بهترین عملکرد را به خود اختصاص دهد. | ||
| کلیدواژهها | ||
| الگوریتم فراکاوشی؛ بهینهسازی؛ تحلیل معکوس؛ جریان گذرا؛ راندمان محاسباتی | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 1,338 تعداد دریافت فایل اصل مقاله: 1,491 |
||
| تعداد نشریات | 9 |
| تعداد شمارهها | 455 |
| تعداد مقالات | 5,771 |
| تعداد مشاهده مقاله | 8,374,838 |
| تعداد دریافت فایل اصل مقاله | 6,933,016 |