جستجو در تالارهای گفتگو

ارزيابي پارامترهاي موثر در تفرق امواج زلزله هاي دور از گسل به کمک شبکه هاي عصبي مصنوعي نادرپور حسين*, وثوقي فر حميدرضا, قباخلو احسان سازه هاي زيرزميني به عنوان شريان هاي حياتي، نقش به سزايي در مديريت بحران پس از رخداد زلزله ايفا مي کنند. زلزله ايجادشده بر اثر برخورد با تونل، امواج تفرقي ايجاد مي کند که اين امواج در بسياري از موارد تخريب ها را در سازه هاي مجاور تونل افزايش مي دهند. براي بررسي اثر تفرق زلزله در حوزه دور، تونل دو قلوي متروي شهر شيراز و سازه هاي مجاور آن در نظر گرفته شده است. در اين نوشتار، يک شبکه عصبي مناسب جهت برآورد ميزان تفرق امواج زلزله در حوزه دور ايجاد و مورد آموزش قرار گرفته است. نتايج نشان مي دهد که شبکه عصبي دقت قابل قبولي نسبت به مدل سازي هاي ايجادشده با نرم افزارهاي اجزاء محدود دارد. همچنين يک آناليز حساسيت بر روي پارامترهاي ورودي صورت گرفته و ميزان تاثير هر يک از پارامترها تعيين شده است. منبع دانلود 7831395010105.pdf

ارزيابي روش هاي فازي، عصبي و فازي- عصبي در تخمين تابش خورشيدي کشور نویسندگان: هوشنگي نويد*, آل شيخ علي اصغر تابش خورشيدي در تعيين محل بهينه نيروگاه هاي خورشيدي و در مطالعات زمين شناسي و اکولوژيکي عاملي تاثيرگذار بوده و پارامتر اصلي بسياري از مدل هاي هواشناسي و هيدرولوژيکي مي باشد. در ايران 63 ايستگاه تابش سنجي موجود است که در قياس با گستره کشور تراکم پاييني براي شبکه پايش تابش خورشيدي محسوب مي شود. در تحقيق حاضر به منظور افزايش تراکم شبکه تابش سنجي و در نتيجه پهنه بندي دقيق تابش خورشيدي، از اطلاعات هواشناسي موجود در ايستگاه هاي سينوپتيک استفاده شد. با توجه به همبستگي بالاي موجود بين مشاهدات تابش خورشيدي و اطلاعات هواشناسي (ساعات آفتابي، دماي بيشينه و همبستگي معکوس بالا با متوسط فشار از سطح آب هاي آزاد)، از اين اطلاعات جهت محاسبه تابش خورشيدي در ايستگاه هاي سينوپتيک استفاده شد. در اين تحقيق از روش هاي عمده محاسبات نرم همچون سيستم هاي استنتاج فازي (FIS) با خوشه بندي فازي، شبکه عصبي مصنوعي (ANN) و سيستم هاي استنتاج تطبيقي عصبي-فازي (ANFIS) بهره گرفته شد. نتايج حاصل از روش هاي مذکور توسط معيارهاي دقت RMSE، MAE و MBE مقايسه شدند. نتايج نشان دادند که روش فازي سوگنو با خوشه بندي فازي RMSEاي برابر با 28.07 وات بر مترمربع دارد که 18% درصد بهتر از روش شبکه عصبي؛ 39% بهتر از سيستم استنتاج عصبي-فازي با تقسيم بندي گريدي و 42% درصد بهتر از خوشه بندي کاهشي است. نتايج حاصل از MAE و MBE نيز حاکي از قابليت بالاي روش فازي سوگنو بود. اين روش براي مدل سازي سيستم هاي پيچيده و غيرخطي انعطاف پذيرتر بوده و در پيش بيني مکاني تابش خورشيدي راحت تر و سريع تر (هم از نظر اجراي کاربر و هم به لحاظ نرم افزاري) قابل اجرا مي باشد. تابش خورشيدي برآورد شده براي 333 ايستگاه سينوپتيک کشوري با روش کريجينگ عادي پهنه بندي شد. اطلس تابش خورشيدي حاصل از اين تحقيق براي شناسايي نواحي پرتابش ايران به منظور کاربردهاي مهندسي و برنامه ريزي انرژي مناسب مي باشد. اطلس تابشي حاصل نشان داد که 32 درصد از مناطق کشور داراي تابش خورشيدي بالاي 500 w/m2 که مقدار تابش معيار براي نيروگاه هاي خورشيدي است هستند. منبع: [Hidden Content] دانلود: [Hidden Content] 7002413930315.pdf

پيش بيني بلندمدت تقاضاي آب شرب (مطالعه موردي: شهر نيشابور) نویسندگان: تابش مسعود*, بهبوديان صادق, بيگي سهيلا * قطب علمي مهندسي و مديريت زيرساخت هاي عمراني، پرديس دانشکده هاي فني، دانشگاه تهران چکیده: پيش بيني تقاضاي آب خانگي و شناخت عوامل موثر بر آن يکي از گام هاي مهم در مديريت و کنترل بحران آب است، زيرا راه حل موثر، تنها عرضه آب نيست بلکه اتخاذ سياست ها و تدابير لازم مبتني بر الگوي مصرف و توجه کافي به عوامل تقاضاي آب از اهميت بالايي برخوردار است. برآورد تقاضاي آب در آينده، اين امکان را براي تصميم گيران فراهم مي سازد که با توجه به محدوديت ها و بحران هاي پيشرو تدابير لازم را اتخاذ نمايند. در اين تحقيق براي پيش بيني تقاضاي سرانه آب از دو رويکرد نقطه اي و بازه اي استفاده شده است. بعد از تخمين تابع تقاضاي آب، با تعيين سناريوهاي محتمل مقادير متغيرهاي مستقل براي آينده پيش بيني مي شود. در ادامه به بررسي اثر تغييرات پارامترهاي اقتصادي در مصرف آب بر تقاضاي آب خانگي پرداخته شده است. نتايج بر ضروري بودن کالاي آب تاکيد مي کند. با جمع آوري اطلاعات مورد نياز در شهر نيشابور، به منظور پيش بيني نقطه اي، چهار سناريو تعريف گرديد و متغيرهاي مستقل پيش بيني شدند. درصد تغييرات تقاضاي آب سه سناريو اول (براي حالتي که طرح هدفمندسازي يارانه ها اجرا نگردد) براي دوره 1390 تا 1410 بين 40 تا 57 درصد در طول اين بازه مي باشد. در سناريو چهارم که فرض بر اجراي طرح هدفمندسازي يارانه ها مي باشد مقادير تقاضاي سرانه آب نسبت به حالتي که اين طرح اجرا نگردد در سال 1390، 3 مترمکعب و در سال 1392، 2 مترمکعب کاهش مي يابد. در انتها با استفاده از شبکه عصبي تقاضاي آب بصورت بلندمدت پيش بيني شده است. نتايج نشان داد، استفاده از جزء غيرقطعي سري هاي زماني در پيش بيني با شبکه هاي عصبي مي تواند مشکل درونگرا بودن اين مدل ها را تا حدي حل نمايد. كليد واژه: پيش بيني بلندمدت، تقاضاي آب، تابع مطلوبيت استون گيري، شبکه عصبي مصنوعي منبع و دانلود: [Hidden Content] 70313933102.pdf