جستجو در تالارهای گفتگو

کاربرد روش‌های شبکه عصبی و مدل‌های سری زمانی در پیش‌بینی مصرف آب شرب، مطالعه موردی شهر رشتسیدنعمت اله موسوی؛ محمد کاوسی کلاشمی پیش‌بینی تقاضای آب شهری و طراحی ظرفیت مناسب برای سامانه عرضه آب شهری شامل شبکه‌های انتقال و مجتمع‌های تصفیه آب، ضرورت استفاده از الگوهای رفتاری و پیش‌بینی مقدار مصرف آب در شهرها را آشکار می‌نماید. قرار گرفتن شهر رشت در مسیر کریدور شمال- جنوب و پیش‌بینی ایفای نقش جدید آن به‌عنوان قطب تجارت و بازرگانی خارجی لزوم بازنگری در ساختارهای شهری و اخذ آمادگی برای گسترش زیرساخت‌ها و زیربناهای لازم را گوشزد می‌نماید. در پژوهش حاضر با بهره‌گیری از سه رهیافت خود توضیح جمعی میانگین متحرک فصلی، شبکه عصبی مصنوعی و الگوی هیبرید خود توضیح جمعی میانگین متحرک فصلی در ترکیب با الگوریتم پس انتشار خطا به الگوسازی و پیش‌بینی مقدار مصرف آب شرب شهر رشت پرداخته شد. در این راستا، سری زمانی ماهانه مصرف آب شهر رشت طی سال‌های 1380 تا 1387 مورد استفاده قرار گرفت. به‌منظور ایجاد الگوی SARIMA، کاربرد آزمون ریشه واحد مدنظر قرار گرفت. نتایج بیانگر وجود ریشه‌ها در تمامی فراوانی‌ها برای سری زمانی ماهانه مصرف آب شرب شهر رشت بود. از این رو، با انتخاب فیلتر مناسب، برازش الگوهای SARIMA انجام شد. پس از تعیین خروجی الگوی ANN، با استفاده از خروجی‌های الگوی SARIMA، ساختار الگوی هیبرید SARIMABP نیز ایجاد شد. پیش‌بینی مقدار مصرف آب شهر رشت برای ماه‌های سال 1388 با استفاده از سه الگوی یادشده گویای برتری و قدرت پیش‌بینی بالای الگوی هیبرید SARIMABP بود به‌طوری که شاخص‌های دقت پیش‌بینی مقدار خطای 41/0 درصد را برای این الگو نشان داد. از سوی دیگر، دو الگوی SARIMA و ANN نیز با خطای پیش‌بینی کمتر از یک درصد نتایج مطلوبی را برای استفاده مدیران شهری فراهم نموده است. Evaluation of Seasonal, ANN, and Hybrid Models in Modeling Urban Water Consumption A Case Study of Rash City منبع دانلود WWJ139961474489800.pdf

پیش‌بینی مصرف روزانه آب شهری با استفاده از ترکیب الگوریتم‌های تکاملی و آنالیز تبدیل موجک )مطالعه موردی: شهر همدان( مقاله 11، دوره 26، شماره 4، مرداد و شهریور 1394، صفحه 110-120 اصل مقاله (575 K) نوع مقاله: مقاله پژوهشی نویسندگان 1کیومرث روشنگر ؛ 2مهدی ضرغامی؛ 3مهدی طرلانی آذر 1دانشیار دانشکده مهندسی عمران، دانشگاه تبریز 2دانشیار، دانشکده مهندسی عمران، دانشگاه تبریز 3دانش‌آموخته کارشناسی ارشد سازه‌‌های هیدرولیکی، دانشگاه تبریز چکیده پیش‌بینی تقاضای آب شهری ابزاری مهم برای طراحی، بهره‌برداری و مدیریت سیستم‌های تأمین آب شهرها به‌شمار می‌رود. تعدد عوامل اثرگذار بر تقاضای آب شهری و تغییر اثر آنها با تغییر شرایط، باعث ضعف روش‌های تحلیلی ریاضی سنتی در این زمینه شده است. تا‌کنون روش‌های متعددی برای پیش‌بینی تقاضای آب شهری مورد استفاده قرار گرفته است که الگوریتم‌های تکاملی از پرکاربردترین آنها است. در این تحقیق از ترکیب روش برنامه‌ریزی بیان ژن که سرعت همگرایی و دقت بالایی در محاسبات و شبیه‌سازی دارد، با آنالیز تبدیل موجک برای پیش‌بینی تقاضای روزانه آب در شهر همدان استفاده شد. مصرف آب روزهای قبل و پارامترهای اقلیمی به‌عنوان عوامل مؤثر بر تقاضای آب در نظر گرفته شد. در بخش اول این مطالعه، کارایی روش برنامه‌ریزی بیان ژن در پیش‌بینی تقاضای روزانه آب شهری مورد بررسی قرار گرفت و بهترین مدل برای پیش‌بینی تعیین شد و در بخش دوم، تأثیر آنالیز تبدیل موجک بر نتایج، ارزیابی شد. بر اساس نتایج حاصل، مدلی با ورودی‌هایی شامل مصرف آب یک، دو، سه و هفت روز قبل بهترین مدل برای پیش‌بینی تقاضای روزانه آب، در مطالعه موردی حاضر است. ترکیب روش برنامه‌ریزی بیان ژن با آنالیز تبدیل موجک نتایج پیش‌بینی را تا 10 درصد بهبود می‌بخشد. کلیدواژگان تقاضای آب شهری؛ الگوریتم‌های تکاملی؛ برنامه‌ریزی بیان ژن؛ آنالیز تبدیل موجک موضوعات تقاضا عنوان مقاله [English] Forecasting Daily Urban Water Consumption using Conjunctive Evolutionary Algorithm and Wavelet Transform Analysis, A Case Study of Hamedan City, Iran WWJ104801437593400.pdf