این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
تحقیقات منابع آب ایران، جلد ۷، شماره ۱، صفحات ۳۸-۴۶
عنوان فارسی خوشه بندی مکانی شبکه های آبیاری با استفاده از روش کلاسیک K-Means (مطالعه موردی شبکه آبیاری قزوین)
چکیده فارسی مقاله بهبود عملکرد شبکه‌های آبیاری از را‌هکار‌های اساسی صرفه‌جویی در منابع آبی می‌باشد. اولین گام برای بهبود عملکرد شبکه‌ها، ارزیابی وضع موجود و سپس ارائه راهکار جهت رفع مشکلات می‌باشد. یک گام موثر و کاربردی در ارزیابی و بهبود عملکرد، استخراج مناطق همگن شبکه کانال‌ها بر اساس خصوصیات فیزیکی و فنی می‌باشد. هدف اصلی از این تحقیق، پهنه‌بندی مکانی و کاربرد یک روش کمی جهت استخراج مناطق همگن فیزیکی شبکه‌های آبیاری و نمایش قابلیت این روش در یک شبکه آبیاری واقعی می‌باشد. تکنیک مورد استفاده جهت پهنه‌بندی مکانی، روش خوشه‌بندی کلاسیک K-Means است. داده‌های مورد استفاده به عنوان ورودی مدل خوشه‌بندی به‌صورت یک ماتریس 5×162 بعدی است که همان خصوصیات فیزیکی و فنی کانال‌های انتقال شبکه آبیاری قزوین می‌باشند. بر اساس شاخص صحت‌سنجی خوشه‌بندی دیویس- بولدین (DB)، تعداد بهینه خوشه‌ها برابر 10 خوشه بدست آمد. هر کدام از خوشه‌های بدست آمده معرف یک ناحیه همگن در سطح شبکه می‌باشد که مدیران شبکه را قادر خواهد ساخت دامنه تصمیم‌گیری‌های خود را از محدوده وسیعی در ابعاد یک شبکه به محدوده کوچک‌تری در ابعاد چند منطقه همگن محدود کاهش دهند. این امر سبب سهولت مدیریت و ارزیابی و تصمیم‌گیری در سطح مناطق همگن و نیز صرفه‌جوئی در زمان و هزینه مدیریت خواهد شد. 
کلیدواژه‌های فارسی مقاله شبکه های آبیاری، خوشه‌بندی K-Means، پهنه بندی مکانی،
عنوان انگلیسی Spatial Clustering of Irrigation Networks Using K-Means Method (Case Study of Ghazvin Irrigation Network)
چکیده انگلیسی مقاله Improving the performance of water conveyance networks is one of the key issues in saving limited water resources. The first step for this improvement is performance evaluation and then presenting the solutions. One of the practical and efficient approches for performance improvement is to extract the homogenous area out of the irrigation network based on the physical and technical features. The main idea behind this research is to present a quantitative benchmark for exploring homogenous areas with similar physical attributes and present the abilites of this method for a real case study. K-Means clustering algorithm, is applied to spatial clustering of irrigation networks based on physical attributes. Data was arranged based on the “objects” and the “features” in the matrix language. Ghazvin irrigation network data was used to form the input matrix. This matrix consisted of 162 rows and 5 columns. Using Davies and Bouldin (DB) index as the cluster validity index, it has been shown that the optimum number of clusters is 10. Each cluster represented a homogenous area in the irrigation network district. Clustering reduces the dimension of assessments from a large extended irrigation district to a limited number of homogeneous regions and provide a context for better and easier decision making, performance evaluation, and allocation of facilities and budget to different regions.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمدجواد منعم | mohammad javad
دانشیار گروه سازه های آبی، دانشگاه تربیت مدرس، تهران، ایران.
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

سیدمهدی هاشمی | seyed mehdi
دانشجوی دکتری گروه سازه های آبی، دانشگاه تربیت مدرس، تهران، ایران.
سازمان اصلی تایید شده: دانشگاه تربیت مدرس (Tarbiat modares university)

نشانی اینترنتی http://www.iwrr.ir/article_16056_3d96febce028002c59a100a6fcd21c22.pdf
فایل مقاله فایلی برای مقاله ذخیره نشده است
کد مقاله (doi)
زبان مقاله منتشر شده fa
موضوعات مقاله منتشر شده
نوع مقاله منتشر شده
برگشت به: صفحه اول پایگاه   |   نسخه مرتبط   |   نشریه مرتبط   |   فهرست نشریات