تخمین نرخ شکست خطوط لوله در شبکه آب شهری با استفاده از LS-SVM و خوشه بندی مبتنی بر PSO در محیط GIS

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

 تخمین نرخ شکست خطوط لوله در شبکه آب شهری با استفاده از LS-SVM و خوشه بندی مبتنی بر PSO در محیط GIS دارای ۱۷ صفحه می باشد و دارای تنظیمات در microsoft word می باشد و آماده پرینت یا چاپ است

فایل ورد تخمین نرخ شکست خطوط لوله در شبکه آب شهری با استفاده از LS-SVM و خوشه بندی مبتنی بر PSO در محیط GIS  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 تخمین نرخ شکست خطوط لوله در شبکه آب شهری با استفاده از LS-SVM و خوشه بندی مبتنی بر PSO در محیط GIS،به هیچ وجه بهم ریختگی وجود ندارد

بخشی از متن تخمین نرخ شکست خطوط لوله در شبکه آب شهری با استفاده از LS-SVM و خوشه بندی مبتنی بر PSO در محیط GIS :

تعداد صفحات :۱۷

چکیده مقاله:

با افرایش روز افزون جمعیت و گسترش شهرها، شبکههای تاسیسات زیرزمینی از جمله شبکههای آب، گاز، تلفن و غیره در هم تنیدهتر و پیچیده تر شده اند. از آنجایی که شبکه توزیع آب در زیر زمین مدفون شده و امکان مشاهده ی بخش چندانی از آن وجود ندارد، لذا کنترل و نظارت بر روی شبکه به کاری بسیار سخت و پیچیده تبدیل میشود. شبکه توزیع آب متشکل از لوله ها و اتصالاتی با ویژگیهای مختلفی همچون جنس، قطر، طول، سال تولید و سال نصب بوده و در هر نقطه از شبکه نیز عوامل بیرونی متعددی نظیر رطوبت خاک، دما و غیره بر روی آن تاثیر میگذارند. این شرایط عمر قطعات در شبکه را متغیر و ناهمگون ساخته و با توجه به نیاز بخشهای فرسوده و مستهلک شبکه به نوسازی و تعمیر، تشخیص این بخشهای شبکه )که قابل مشاهده نیستند( بسیار دشوار خواهد بود. لذا در این پژوهش برای تخمین نرخ شکست لوله در شبکه توزیع آب، رویکرد جدیدی از خوشه بندی فازی و روشهای LS-SVM معرفی شده و از طرف دیگر به شناسایی ارتباط عوامل موثر در شکست و چگونگی آن نیز پرداخته میشود. بدین منظور از دادههای شکست خطوط توزیع آب شهر مشهد، مشاهده شده در بین سالهای ۱۳۸۷ تا ۱۳۹۵ استفاده شده است. در فاز اول با پیاده سازی روش LS-SVM بر روی کل دادههای منطقهای، نرخ شکست پیش بینی میشود. در ادامه، برای حساستر شدن و دقیقتر شدن نرخ شکست، کل منطقه با روش خوشه بندی مبتنی بر PSO به خوشههایی با خصوصیات مشابه تقسیم شده و هر خوشه نیز به یک زیرمنطقه اطلاق میشود. در مرحله بعد، بار دیگر با روش LS-SVM، نسبت به پیش بینی نرخ شکست برای هر زیرمنطقه اقدام و سپس نتایج حاصل از مجموع زیرمنطقه ها با نتایج کل منطقه )که در فاز اول بررسی شد( مقایسه میگردد. در نتیجه یک روش ترکیبی بین LS-SVM و خوشهبندی PSO به عنوان بهترین روش ترکیبی به منظور پیش بینی نرخ شکست معرفی گردید.