این سایت در حال حاضر پشتیبانی نمی شود و امکان دارد داده های نشریات بروز نباشند
آب و فاضلاب، جلد ۲۹، شماره ۱، صفحات ۴۹-۵۹
عنوان فارسی مدیریت و تحلیل غیرخطی سیستم گندزدایی شبکه‌های توزیع آب با استفاده از روش‌های داده‌محور
چکیده فارسی مقاله به‌منظور تأمین آب آشامیدنی سالم و حذف عوامل بیماری‌زا در شبکه‌های توزیع آب، از واحد کلرزنی استفاده می‌شود. یکی از شیوه‌های مناسب برای تحلیل عملکرد کلر درون شبکه آبرسانی، استفاده از روش‌های داده‌محور است. در پژوهش حاضر شبکه عصبی پرسپترون چندلایه (MLP) با سه الگوریتم آموزش کاهش شیب، شیب مزدوج و BFGS به همراه ماشین‌بردار پشتیبان (SVM) با تابع کرنل RBF در برآورد غلظت کلر باقیمانده در شبکه‌های آبرسانی احمدآباد دئفه و اهروییه واقع در استان کرمان مورد استفاده قرار گرفت. در این پژوهش داده‌های روزانه شامل دبی آب تولیدی، مصرف کلر و کلر باقیمانده از ابتدای سال 1391 تا پایان 1393 به‌مدت 3 سال به‌کار گرفته شد. به‌منظور ارزیابی عملکرد مدل‌های مورد بررسی از معیارهای راندمان نش‌ساکلیف(NS)، ریشه میانگین مربعات خطا (RMSE)، میانگین درصد خطای مطلق (MAPE) و ضریب همبستگی (CORR) استفاده شد. این مقادیر در بهترین حالت مدل‌سازی به‌ترتیب برابر با 9484/0، 0255/0، 081/1 و 974/0 بودند. با توجه به معیارهای ارزیابی، مدل MLP با الگوریتم BFGS در 90 درصد و با الگوریتم شیب مزدوج در 10 درصد موارد نسبت به نتایج کل مدل‌ها برتری داشتند، در حالی که مدل MLP بر پایه الگوریتم کاهش شیب و مدل SVM در هیچ یک از موارد برتر نبوده‌اند. با توجه به نتایج حاصل از پژوهش حاضر، مدیریت مناسب غلظت کلر را می‌توان با توجه به مقادیر پیش‌بینی شده میزان کلر باقیمانده، در شبکه آبرسانی اعمال نمود به‌طوری که کاهش عملکرد شبکه پرسپترون و ماشین‌بردار پشتیبان در شبکه آبرسانی اهروییه نسبت به شبکه احمدآباد دئفه را می‌توان ناشی از مدیریت ناصحیح کلرزنی دانست.
کلیدواژه‌های فارسی مقاله
عنوان انگلیسی Management and Nonlinear Analysis of Disinfection System of Water Distribution Networks Using Data Driven Methods
چکیده انگلیسی مقاله Chlorination unit is widely used to supply safe drinking water and removal of pathogens from water distribution networks. Data-driven approach is one appropriate method for analyzing performance of chlorine in water supply network. In this study, multi-layer perceptron neural network (MLP) with three training algorithms (gradient descent, conjugate gradient and BFGS) and support vector machine (SVM) with RBF kernel function were used to predict the concentration of residual chlorine in water supply networks of Ahmadabad Dafeh and Ahruiyeh villages in Kerman Province. Daily data including discharge (flow), chlorine consumption and residual chlorine were employed from the beginning of 1391 Hijri until the end of 1393 Hijri (for 3 years). To assess the performance of studied models, the criteria such as Nash-Sutcliffe efficiency (NS), root mean square error (RMSE), mean absolute percentage error (MAPE) and correlation coefficient (CORR) were used that in best modeling situation were 0.9484, 0.0255, 1.081, and 0.974 respectively which resulted from BFGS algorithm. The criteria indicated that MLP model with BFGS and conjugate gradient algorithms were better than all other models in 90 and 10 percent of cases respectively; while the MLP model based on gradient descent algorithm and the SVM model were better in none of the cases. According to the results of this study, proper management of chlorine concentration can be implemented by predicted values of residual chlorine in water supply network. Thus, decreased performance of perceptron network and support vector machine in water supply network of Ahruiyeh in comparison to Ahmadabad Dafeh can be inferred from improper management of chlorination.
کلیدواژه‌های انگلیسی مقاله
نویسندگان مقاله محمد ذونعمت کرمانی |
دانشیار، بخش مهندسی آب، دانشگاه شهید باهنر کرمان، کرمان، ایران
سازمان اصلی تایید شده: دانشگاه شهید باهنر (Shahid bahonar university)

مجید جمالیزاده |
دانش آموخته کارشناسی ارشد مهندسی و مدیریت ساخت، گروه عمران، دانشگاه آزاد اسلامی واحد سیرجان، سیرجان، ایران
سازمان اصلی تایید شده: دانشگاه آزاد اسلامی سیرجان (Islamic azad university of sirjan)

عبداله رمضانی چرمهینه | ramezani charmahineh
دانش آموخته کارشناسی ارشد مهندسی منابع آب، بخش مهندسی آب، دانشگاه شهید باهنر کرمان، کرمان، ایران
سازمان اصلی تایید شده: دانشگاه شهید باهنر (Shahid bahonar university)

نشانی اینترنتی http://www.wwjournal.ir/article_49671_8463dc867468c90eb96b5a4db3a843f7.pdf
فایل مقاله اشکال در دسترسی به فایل - ./files/site1/rds_journals/549/article-549-567438.pdf
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