مقاله کاربرد وتوسعه مدل های رگرسیونی برای پیش بینی میزان شکست لوله های شبکه توزیع آب شهری – مورد مطالعاتی ناحیه یک منطقه یک تهران

توجه : به همراه فایل word این محصول فایل پاورپوینت (PowerPoint) و اسلاید های آن به صورت هدیه ارائه خواهد شد

 مقاله کاربرد وتوسعه مدل های رگرسیونی برای پیش بینی میزان شکست لوله های شبکه توزیع آب شهری – مورد مطالعاتی ناحیه یک منطقه یک تهران دارای ۱۸ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد مقاله کاربرد وتوسعه مدل های رگرسیونی برای پیش بینی میزان شکست لوله های شبکه توزیع آب شهری – مورد مطالعاتی ناحیه یک منطقه یک تهران  کاملا فرمت بندی و تنظیم شده در استاندارد دانشگاه  و مراکز دولتی می باشد.

توجه : در صورت  مشاهده  بهم ریختگی احتمالی در متون زیر ،دلیل ان کپی کردن این مطالب از داخل فایل ورد می باشد و در فایل اصلی مقاله کاربرد وتوسعه مدل های رگرسیونی برای پیش بینی میزان شکست لوله های شبکه توزیع آب شهری – مورد مطالعاتی ناحیه یک منطقه یک تهران،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن مقاله کاربرد وتوسعه مدل های رگرسیونی برای پیش بینی میزان شکست لوله های شبکه توزیع آب شهری – مورد مطالعاتی ناحیه یک منطقه یک تهران :

تعداد صفحات :۱۸

شکست لوله ها در شبکه های توزیع آب شهری، باعث نشت جریان از شبکه شده و نه تنها باعث هدر‎ رفت مقادیر قابل توجهی از آب تصفیه ‎شده می‎گردد، بلکه سبب اتلاف سرمایه‎های مادی نیز می‎شود. از مهم ترین متغیر های تاثیر گذار در شکست لوله ها جنس، سن ، طول ، قطر و فشار هیدرولیکی لوله ها نام برده می شود . در این مقاله، از چهار روش آماری، جهت تحلیل این متغیر ها در شکست لوله‎ها استفاده شده است که هدف یافتن معادلات لازم برای تخمین احتمال شکست لوله‏‎ها در آینده و تعیین پارامترهایی است که بیشترین تأثیر را احتمال شکست دارند. این چهار مدل رگرسیونی آماری عبارتند از : مدل رگرسیون خطی، مدل رگرسیون نمایی، مدل رگرسیون پواسون و مدل رگرسیون لجستیک. به‎منظور ارزیابی روش‎های ارائه شده از داده‎های جمع‎آوری‎ شده‎ حوادث لوله‎ها در شبکه توزیع آب ناحیه‎ی ۱ از منطقه‎ی ۱ آب و فاضلاب شهر تهران با تعداد مشترکین بیش از ۴۸۵۰۰ و طول کل لوله های۵۸۲۷۰۲ و متشکل از لوله هایی با جنس و قطر های مختلف ، استفاده گردید و نتایج نشان دادند که از میان مدل‎های آماری بررسی شده، مدل رگرسیون لجستیک عملکرد بهتر داشته و با احتمال بالاتری می تواند حوادث آینده را پیش بینی کند.