آمار
| تعداد نشریات | 13 |
| تعداد شماره‌ها | 636 |
| تعداد مقالات | 6,653 |
| تعداد مشاهده مقاله | 9,073,377 |
| تعداد دریافت فایل اصل مقاله | 8,557,238 |
بهینه‌سازی قطر لوله‌های شبکه آبرسانی شهری با استفاده از الگوریتم ژنتیک سریع آشفته و کرم شبتاب در مدل Relopt (مطالعه موردی: شهرک شهرداری کرمان) | ||
| مجله پژوهش‌های حفاظت آب و خاک | ||
| مقاله 3، دوره 23، شماره 4، مهر 1395، صفحه 45-64 اصل مقاله (1.1 M) | ||
| نوع مقاله: مقاله کامل علمی پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22069/jwfst.2016.9095.2299 | ||
| نویسندگان | ||
| ام البنی محمدرضاپور* 1؛ احسان معین الدینی1؛ محمد جواد زینلی2 | ||
| 1دانشگاه زابل | ||
| 2فارغ التحصیل رشته مهندسی منابع آب - دانش آموخته دانشگاه زابل | ||
| چکیده | ||
| مشکل هزینه بالای سیستم‌های آبرسانی شهری، همراه با پیچیدگی‌های طراحی و مشکلات کارکرد نامناسب حال حاضر آنها، بهینه سازی طرح این سیستم‌ها را قبل از اعمال تغییرات در آنها به نیاز اولیه و اساسی مدیران در این زمینه تبدیل کرده است. به دلیل پیچیدگی غیر خطی و منحصر به فرد طراحی این شبکه‌ها، مهندسان در سال‌های اخیر این مشکل را به کمک هوش مصنوعی و الگوریتم‌های جستجوگر حل می‌کنند. در تحقیق حال حاضر به مطالعه موردی در یکی از شهرک‌های شهر کرمان و پیدا کردن راه حل آن به کمک الگوریتم‌های ژنتیک سریع آشفته و کرم شبتاب و سپس شبیه سازی شبکه با استفاده از نرم افزار WaterGEMS پرداخته شد. ابتدا شبکه آبرسانی منطقه مورد مطالعه در محیط WaterGEMS مدل شده و سپس مشخصات شبکه آبرسانی به الگوریتم‌های بهینه سازی وارد گشته و با استفاده از محدودیت‌های استاندارد فشار و سرعت، گزینه‌های بهینه این دو الگوریتم خارج شد. با اجرای مجدد نتایج حاصل از مدل‌های بهینه سازی در مدل WaterGEMS و کنترل محدودیت‌ها، به برآورد هزینه و مقایسه آنها با یکدیگر پرداخته شد. بررسی نتایج مدل‌های بهینه سازی نشان می‌دهد که الگوریتم ژنتیک سریع آشفته به میزان %37.7 و الگوریتم کرم شبتاب نیز به مقدار %34.4 توانسته‌اند تابع هزینه را نسبت به حالت قبل از بهینه سازی شبکه کاهش دهند. در نهایت می‌توان بیان نمود که همه‌ی الگوریتم‌های بهینه سازی مورد استفاده در این مطالعه توانسته‌اند به کاهش چشمگیر هزینه‌های پروژه دست یابند | ||
| کلیدواژه‌ها | ||
| شبکه آبرسانی؛ بهینه سازی؛ الگوریتم کرم شبتاب؛ الگوریتم ژنتیک سریع آشفته؛ کرمان | ||
| مراجع | ||
|
1.Barlow, E., and Tanyimboh, T.T. 2014. Multiobjective Memetic Algorithm Applied to the Optimisation of Water Distribution Systems. Water Resource Management. 28: 2229-2242.
2.Beygi, S., Bozorg Haddad, O., Fallah-Mehdipour, E., and Mariño, M.A. 2014. Bargaining Models for Optimal Design of Water Distribution Networks. J. Water Resour. Plan. Manage. 140: 1. 92-99.
3.Gerosinejad, A., and Bozorg hadad, A. 2013. Optimal operation of reservoir using firefly Algorithm. Fifth conference of water resource management. University of Shahid Beheshti, Iran. (In Persian)
4.Goldberg, D.E., Korb, B., and Deb, K. 1989. Messy genetic algorithms: Motivation, analysis, and first results. Complex Systems. 3: 5. 493-530.
5.Haghighi, A. 2014. GA-DTO method for design of economic water distribution network. J. Hydr. 1: 8. 19-37. (In Persian)
6.Hassanzadeh, T., meibodi, M.R., and Mahmodi, F. 2011. Improved firefly Algorithm for optimization in static sphere. Fifth conference of data search. Amir Kabir University of Technology, Iran. (In Persian)
7.Klise, K., Phillips, C., and Janke, R. 2013. Two-Tiered Sensor Placement for Large Water Distribution Network Models. J. Infrastructure Syst. 19: 4. 465-473.
8.Mahdavi, F., Tiara, A., Galal Kamali, N., and Galal Kamali, A. 2012. Optimization of water distribution network using particle swarm algorithm. Case study: Hormozgan province water distribution network. (In Persian)
9.Moghadam, E., Alizadeh, A., and Faridhoseini, A.R. 2013. Comparison an assessment of Genetic and Particle swarm Algorithms in optimal design of urban water distribution networks. M.Sc. thesis, Faculty of Agricultural, University of Tabriz. (In Persian)
10.Moshtaghi Yazdani, N., Shariat Panahi, M., Moetamedzadeh, H.R., and Afrand, P. 2012. Improving of firefly algorithm using change in parameters. First conference of industry engineering and systems. Islamic AzadUniversity, Nagafabad branch, Iran. (In Persian)
11.Morley, M.S., and Tricaricob, C. 2014. A Comparison of Population-based Optimization Techniques for Water Distribution System Expansion and Operation. 16th Conference on Water Distribution System Analysis, July 2014.
12.Mosavian, C.A., Sharify, M.B., and Ragabi Mashhadi, H. 2009. Application of meta- heuristic algorithms in optimization of water distribution network. Eighth international conference of civil engineering, Shiraz. (In Persian)
13.Mtolera, I., Haibin, L., Ye, L., Feng, B.S., Xue, D., and Yi, M. 2014. Optimization of Tree Pipe Networks Layout and Size, Using Particle Swarm Optimization. WSEAS Transactions on Computers, 13: 219-230.
14.Norani, V., keinejad, M.A., and Kardan, N. 2011. Application of Genetic Algorithm in optimization of penstock in concrete dams. J. Civil Environ. 3: 40. 85-95. (In Persian)
15.Rahmani, F., and Behzadian, K. 2014. Sequential Multi-Objective Evolutionary Algorithm for a Real-World Water Distribution System Design. 16th Conference on Water Distribution System Analysis, July 2014, Bari, Italy.
16.Rasekh, A., and Brumbelow, K. 2014. A Dynamic Simulation-Optimization Model for Adaptive Management of Urban Water Distribution System Contamination Threats. Applied Soft Computing, June 30 2014.
17.Sabbaghpour, S., Naghashzadehgan, M., Javaherdeh, K., and Bozorg Haddad, O. 2012. HBMO algorithm for calibrating water distribution network of Langarud city. Water Science and Technology. 65: 9. 1564-1569.
18.Shahi, B., Jafarzadeh, M.R., and Mosavian, C.N. 2013. Application of Differential Evolution in urban water distrubtion (case study: Torbat Gam water network). Seventh civil conference, Zahedan. (In Persian)
19.Soltani, G., and Mohammadrezapour Tabary, M. 2011. Appointment of effective elements in pipe brake rate in water distribution networks using artificial Neural Network and Genetic Algorithm. J. Water Wastewater. 3: 2-15. (In Persian)
20.Sousa, J., Muranho, J., Sá Marques, A., and Gomes, R. 2014. WaterNetGen HELPS C-Town. 16th Conference on Water Distribution System Analysis, July 2014, Bari, Italy. 21.Tabesh, M., and Karimzadeh, A. 2003. Optimal urban distribution network using reliability constraint and discharge–pressure relation in nods. J. Technic. College. 37: 2. 199-211. (In Persian) 22.Yang, X.Sh. 2010. Engineering Optimization an Introduction with Meta-heuristic Applications. Wiley Inter-science, New York, 222p. | ||
|
آمار تعداد مشاهده مقاله: 1,480 تعداد دریافت فایل اصل مقاله: 2,294 |
||
سامانه مدیریت نشریات علمی. طراحی و پیاده سازی از سیناوب