عنوان

بررسی قابلیت و کارائی روش های یادگیری ماشینی در پیش بینی تقاضای آب شهری

شماره

‭۱۱۲۸۵پ‬

زبان متن نوشتاري يا گفتاري و مانند آن

per

عنوان اصلي

بررسی قابلیت و کارائی روش های یادگیری ماشینی در پیش بینی تقاضای آب شهری

نام نخستين پديدآور

/مهدی طرلانی آذر

نام ناشر، پخش کننده و غيره

: دانشکده فنی مهندسی عمران

نام خاص و کميت اثر

‮‭۹۶‬ص‬

متن يادداشت

چاپی

جزئيات پايان نامه و نوع درجه آن

کارشناسی ارشد

نظم درجات

در رشته مهندسی عمران سازه های هیدرولیکی

زمان اعطا مدرک

‮‭۱۳۹۲/۰۶/۲۵‬

کسي که مدرک را اعطا کرده

تبریز

متن يادداشت

به دلیل کاهش منابع آب و زوال کیفی و کمی آن در اکثر مناطق جهان و افزایش تقاضای آن به واسطه رشد روز افزون جمعیت، رشد صنعت و کشاورزی، بالا رفتن شاخص های زندگی و نیز عدم امکان دست یابی به منابع آب جدید، حفظ و بقای منابع آبی موجود و مدیریت صحیح تقاضا مورد توجه قرار گرفته است .در جوامع شهری پیش بینی تقاضای آب و تولید آب بر مبنای آن از ابزارهای مهم در مدیریت منابع آب می باشد .به دلیل تعدد عوامل موثر در مصرف آب و تاثیر متفاوت آنها در شرایط مختلف، پیش بینی تقاضای آب تبدیل به یک مسئله چالشی شده است که منجر به استفاده از روش های متعدد برای حل آن شده است .در مطالعه حاضر اقدام به پیش بینی تقاضای روزانه آب در شهر همدان شده است .در انجام این مطالعه از دو روش شبکه عصبی مصنوعی ‮‭(ANN)‬ و برنامه ریزی بیان ژن ‮‭(GEP)‬ که جزو روش های یادگیری ماشینی می باشند استفاده شده است .هم چنین در ادامه با استفاده از آنالیز تبدیل موجک ‮‭(WTA)‬ سری زمانی مصرف روزانه آب در شهر همدان مورد تجزیه و تحلیل قرار گرفته و اطلاعات نهفته در سیگنال اصلی استخراج شده است و تاثیر این تجزیه بر نتایج دو روش ذکر شده مورد بررسی قرار گرفته است .نتایج به دست آمده نشان می دهد مدلی که ورودی های آن مصرف آب یک تا سه روز قبل و یک هفته قبل) در برگیرنده تاثیرات هفتگی مصرف آب (است بهترین مدل برای پیش بینی تقاضای روزانه آب می باشد .استفاده از پارامترهای اقلیمی به عنوان ورودی مدل ها تا حد بسیار کمی نتایج را بهبود می بخشد و بهتر شدن نتایج بسیار ناچیز است .هم چنین نتایج حاصل از دو روش شبکه عصبی مصنوعی و برنامه ریزی بیان ژن، بسیار نزدیک به هم می باشد و می توان گفت این دو روش از کارایی یکسانی در پیش بینی تقاضای آب برخوردارند .روش برنامه ریزی بیان ژن به دلیل ارائه رابطه صریح ریاضی جهت محاسبه تقاضای آب، دارای مزیت نسبی به روش شبکه عصبی مصنوعی می باشد .همچنین تجزیه سری زمانی مصرف آب با آنالیز تبدیل موجک و استفاده از سری زمانی رفع نویز شده تا حد زیادی) ده درصد (باعث بهبود نتایج در هر دو روش شده است

متن يادداشت

Reduced water resources in most parts of the world and increasing water demand due to population increment, industry and agriculture growth, rising living quality as well as the impossibility of acquiring new water resources, conservation of water resources and demand management has been considered. Water demand forecasting and supply water based on this forecasting is an important tool for management of water resources in urban communities. As many factors influence water consumption and effect of each of them varies with conditions, water demand forecasting is a challenging problem that has been used several approaches to solve it up to now. In this study, daily water demand is anticipated in Hamadan city. Artificial neural networks (ANN) and Gene Expression Programming (GEP) were used in order to forecast the water demand. In the next step the time series of daily water consumption by means of wavelet transform analysis (WTA) has been analyzed and its underlying information was extracted and the effect of this analysis on the results of ANN and GEP methods was investigated. The results showed that the best model for forecasting water demand is a model that its inputs were the water consumption of 1, 2 and 3 previous days and the previous week. Although the use of climatic parameters as models input improved the results, but this improvement was negligible. The results of these two methods were in a good agreement so that they showed the same performance. GEP method provided explicit mathematical equation to calculate water demand and had a relative advantage in comparison with ANN method. Analyzing time series of daily water consumption by wavelet transform analysis and using denoised signal improved results of the two methods considerably (10 percent)

مستند نام اشخاص تاييد نشده

طرلانی آذر، مهدی

مستند نام اشخاص تاييد نشده

روشنگر، کیومرث، استاد راهنما

مستند نام اشخاص تاييد نشده

ضرغامی، مهدی، استاد راهنما

مستند نام اشخاص تاييد نشده

نورانی، وحید، استاد مشاور

يادداشت عمومي

سیاه و سفید

وضعیت فهرست نویسی

نمایه‌سازی قبلی