election algorithm
در نشریات گروه عمران-
در هنگام طراحی سدهای بتنی وزنی، با توجه به ضوابط طراحی، مشخصات ساختگاه و ارتفاع مورد نیاز، گزینه هایی با ابعاد مختلف برای پارامترهای هندسی در نظر گرفته می شود. در بین گزینه ها، گزینه ای که شرایط پایداری را تامین نماید و هزینه ی کم تری داشته باشد، به عنوان گزینه ی اجرایی در نظر گرفته می شود. در این پژوهش، به بهینه سازی ابعاد سدهای بتنی وزنی کوینا (Koyna) در هندوستان و سد زاوین کلات واقع در استان خراسان رضوی با استفاده از الگوریتم فرابتکاری انتخابات (EA)، با لحاظ شرایط پایداری پرداخته شد. در این مدل، پارامترهای هندسی، به عنوان متغیرهای تصمیم و وزن سد به عنوان تابع هدف، در نظر گرفته شد. مدل، پارامترهای هندسی را به گونه ای به دست می آورد که حجم مصالح مورداستفاده در سد کمینه شود. به منظور ارزیابی روش پیشنهادی، از مجموعه داده سد کوینا و سد زاوین کلات استفاده شد و نتایج حاصل با الگوریتم های ژنتیک (GA)، جفت گیری زنبورعسل (HBMO) و رقابت استعماری (ICA) مقایسه گردید. جواب های حاصل از روش EA به ترتیب بیانگر کاهش 87/9 و 40/10 درصدی حجم بتن مصرفی و کاهش مساحت برای سدهای کوینا و زاوین کلات نسبت به مقطع واقعی ساخته شده آن ها می باشد. بر اساس مقایسه های انجام شده، الگوریتم EA در دستیابی به ابعاد بهینه مقطع سد نسبت به مدل های بهینه سازی ژنتیک (GA)، جفت گیری زنبورعسل (HBMO) و رقابت استعماری (ICA) کارایی بهتری از خود نشان داد. هم چنین میزان بهبود الگوریتم EA در مقایسه با الگوریتم های ICA، HBMO و GA به ترتیب برابر با 8%، 6% و 11% می باشد.
کلید واژگان: الگوریتم انتخابات، سد کوینا، سد زاوین کلات، مقطع بهینه، شرایط پایداریAccording to design criteria, site specifications, and required height, different dimensional options are considered for geometric parameters, while design gravity dams. Among options, an option that provides sustainability and low costs is considered as an executive option. In this study, the Koyna concrete gravity dam section in India and the Kalat Zavin concrete gravity dam in Khorasan Razavi province were optimized using the election meta-heuristic algorithm (EA) concerning the stability conditions. In this model, geometric parameters were considered as decision variables and dam weight as an objective function. The model obtains geometric parameters in such a way that the dam weight is minimized. To evaluate the proposed method, the Koyna dam and Kalat Zavin dam data set were used and the results were compared with Genetic (GA), Honey Bee Mating Optimization (HBMO), and Imperialist Competitive (ICA) algorithms. The results of the EA method indicate a 9.87% and 10.40% decrease in the volume of concrete consumption and a reduction in area for Koyna and Kalat Zavin dams. Based on the comparisons, the EA algorithm showed better performance in optimizing the dam section than the genetic algorithm (GA), honey bee mating algorithm (HBMO), and imperialist competitive algorithm (ICA) optimization models. optimization models. Also, the improvement rate of the EA algorithm in comparison with ICA, HBMO, and GA algorithms is equal to 8%, 6%, and 11%, respectively.
Keywords: Election Algorithm, Koyna Dam, Kalat Zavin Dam, Optimal Section, Stability Conditions -
با توجه به حساسیت موضوع ترک خوردگی در سدهای بتنی، نیاز به انجام آنالیز کامل و دقیق در خصوص رفتار ترک در این سدها با استفاده از روش های نوین احساس می شود. در این بین، الگوریتم های فرا ابتکاری از کارایی و دقت بسیار مناسبی در خصوص ارزیابی و پیش بینی مسایل نسبت به دیگر روش های نوین برخوردار می باشند. در این پژوهش با استفاده از الگوریتم فرا ابتکاری انتخابات (EA) و با لحاظ داده های تراز آب و دمای بتن طی سال های 1392-1379 به عنوان پارامترهای ورودی و مقدار تغییر مکان افقی و قایم ترک ها به عنوان پارامترهای خروجی، نحوه ی تغییرات ترک های سد بتنی قوسی زاینده رود مورد ارزیابی قرار گرفت و نتایج با روش الگوریتم ژنتیک (GA) و شبکه ی عصبی مصنوعی (ANN) مقایسه گردید. برای ارزیابی عملکرد روش پیشنهادی، از سه آماره شامل ضریب تبیین (R2)، جذر میانگین مربعات خطا (RMSE) و معیار نش- ساتکلیف (NSE) استفاده شده است. نتایج به دست آمده نشان می دهد الگوریتم EA با کسب مقادیر R2=0.96، RMSE=0.022 و NSE=0.74 در مقایسه با دو روش الگوریتم GA و شبکه ی عصبی مصنوعی (ANN)، از کارایی بالاتری برخوردار است و البته مقدار ضریب رگرسیون برای ترک های سرریز به دلیل عدم وجود داده های کافی، کم تر از ترک های سد حاصل شد. به طور کلی می توان نتیجه گرفت که برای ارزیابی تغییرات ترک های سدهای بتنی و پیش بینی روند تغییرات آن ها در آینده، الگوریتم های فرا ابتکاری روشی بسیار دقیق و قدرتمند محسوب شده و به وسیله این روش ها می توان دید بسیار خوبی بر وضعیت آسیب دیدگی سدهای بتنی پیدا نمود.کلید واژگان: ترک خوردگی، سد بتنی، تغییر مکان، الگوریتم انتخابات، سد زاینده رودNecessity to a complete and accurate analysis of the crack behavior in concrete dams using new methods is felt due to the sensitivity of the cracking problem in these dams. Meanwhile, meta-heuristic algorithms have a very good performance and accuracy in evaluating and predicting problems rather than other methods. In this study, Zayandehrood arch concrete dam has been chosen as the case study and the displacements in the cracks of this dam have been investigated by using election algorithm (EA). Water level and concrete temperature from 2000 to 2013 were considered as input parameters and also horizontal and vertical displacement of cracks were selected as output parameters. The results were compared with genetic algorithm (GA) and artificial neural networks (ANN). To evaluate the performance of the proposed method, three statistical criteria including correlation coefficient (R2), root mean square error (RMSE) and Nash-Sutcliff efficiency (NSE) were utilized. The results show that EA has a higher efficiency with R2 = 0.96, RMSE = 0.022 and NSE = 0.74, compared to GA and ANN. However, due to the lack of sufficient data, the amount of regression coefficient for spillway cracks was lower than the dam cracks. It is concluded that for evaluating the displacements of cracks in concrete dams and predicting their variations in future, meta-heuristic algorithms can be utilized as a very exact and powerful method. These methods can help dam managers and decision-makers in monitoring and vulnerability analysis of dams during their operation.Keywords: Cracking, Concrete dam, Displacement, Election Algorithm, Zayandehrood Dam
-
ارزیابی نوسانات سطح ایستابی در مناطق خشک و نیمهخشک کشور، نیازمند پیشبینی دقیق و کارآمدی از نوسانات آن میباشد. استفاده از روش های نوین از جمله الگوریتمهای فراابتکاری، شبکه های عصبی مصنوعی و روش های فازی، جهت تولید داده های سطح آب مصنوعی و پیشبینی آینده تراز سطح ایستابی به دلیل کارآیی بسیار بالای خود، بسیار کاربردی است. در پژوهش حاضر، با استفاده از روش های الگوریتمهای انتخابات و رقابت استعماری، شبکه عصبی مصنوعی، داده های ماهانه به مدت 9 سال و همچنین عمق سطح آب زیرزمینی 10 حلقه چاه مشاهدهای، به پیشبینی زماتی 7 ساله تراز سطح ایستابی دشت رشتخوار در استان خراسان رضوی پرداخته شد. بهمنظور آموزش مدلها از اطلاعات 10 چاه مشاهدهای که دارای آمار 9 ساله (93-1385) بودند استفاده گردید، بهنحوی که از 70 درصد داده ها به عنوان داده های آموزشی به مدل معرفی و 30 درصد داده ها به عنوان آزمون برای واسنجی بهکار گرفته شد. نتایج روش الگوریتم انتخابات، تراز سطح ایستابی آبخوان رشتخوار را برای سال 1400 را بین 14 و 5/16 متر در مناطق مختلف دشت پیشبینی کرد .براساس محاسبه های انجام شده و نتایج بهدست آمده از پارامترهای آماری، الگوریتم انتخابات به ترتیب با مقادیر ریشه میانگین مربعات خطا (RMSE)، ضریب همبستگی (R2) و معیار نش- ساتکلیف (NSE)، 029/0، 90/0 و 73/0 نسبت به دو روش شبکه عصبی مصنوعی و الگوریتم رقابت استعماری، دارای توانایی قابل توجهی در پیشبینی تراز سطح ایستابی بود.
کلید واژگان: سطح ایستابی، الگوریتم انتخابات، الگوریتم رقابت استعماری، شبکه عصبی مصنوعی، پیشبینیEvaluating the groundwater level in arid and semi-arid regions of the country requires accurate prediction and efficiency of its fluctuations. The use of modern methods, including evolutionary algorithms, artificial neural networks and fuzzy methods, is very useful for prediction the groundwater level and generating artificial water surface data due to its high efficiency. In this research, by using Election and Imperialist Competitive Algorithms, artificial neural network, monthly data for 9 years as well as groundwater level of 10 wells, predicted the 7-year the groundwater level of Reshtkhar plain in khorasan-Razavi. In order to train the models, the statistic data was provided on 10 observation wells with a 9-year (2002-2014), which 70% of the data was introduced as training data to the model and 30% of the data was used as a test for calibration of the model. The results of the Election Algorithm predicted Reshtkhar groundwater level for the year 1400, between 14 to 16.5 meters in diffirent areas of the plain. Based on the calculations and the results obtained from the statistical parameters, the Election algorithm was RMSE, R2 and NSE, 0.029, 0.90 and 0.73 respectively, compared with the two methods of artificial neural network and Imperialist Competitive Algorithm has a significant ability to predicte the groundwater level.
Keywords: Groundwater Level, Election Algorithm, Imperialist Competitive Algorithm, artificial neural network, Peridiction -
ر مناطق خشک و نیمه خشک از جمله ایران، اصلیترین عامل محدود کننده توسعه اقتصادی، آب است. در پژوهش حاضر، از روشی نوین و در حین حال با کارایی بالا مبتنی بر خوارزمی انتخابات (EA) جهت تخصیص بهینه منابع آب شبکه آبیاری و زهکشی دشت مغان در بخش کشاورزی طی سالهای آماری 95-1386 استفاده شد. خوارزمی انتخابات یک خوارزمی تکرارشونده بوده و از انتخابات ریاست جمهوری الهام گرفته و با مجموعهای از راهحلهای شناخته شده به عنوان جمعیت کار میکند. نتایج حاصل از این روش با نتایج خوارزمی رقابت استعماری (ICA) مورد مقایسه قرار گرفت. تابع هدف در بخش کشاورزی بر اساس هر یک از محصولات و عملکرد آنها، بر اساس درآمد حاصله از هر محصول و سطح زیر کشت، تابع تقاضا مشخص و سپس بیشینه سازی تابع هدف و تخصیص بهینه منابع آب توسط خوارزمی های انتخابات و رقابت استعماری انجام شد. نتایج اعمال خوارزمی های بهینه سازی EA و ICA به مسئله تخصیص بهینه آب نشان داد با اعمال سیاستهای اقتصادی همانند تغییر الگوی کشت میتوان به درآمدهای بالاتری در بخش کشاورزی رسید. در حالت کلی، نتایج خوارزمی انتخابات در مقایسه با خوارزمی رقابت استعماری نشان داد که در مورد دشت مغان میتوان اظهار نمود با اعمال ضریب 9/0، 135 میلیارد ریال، یعنی حدود 40% درآمدهای حاصله از تخصیص بهینه منابع آب بین بخش کشاورزی نسبت به وضعیت کنونی بهبود مییابد.
کلید واژگان: منابع آب، الگوریتم انتخابات، الگوریتم رقابت استعماری، بهینه سازی، سودآوری اقتصادیIn arid and semi-arid regions, like Iran, water is one of the main factors limiting economic development. In the present study, a new high-performance method was used for optimal water allocation in the agricultural sector during the 2002 to 2016 years. Election Algorithm is an iterative population based algorithm, which works with a set of solutions known as population. The results of this method were compared with the results of Imperialist Competitive Algorithm (ICA). The objective function was determined for each product in the agricultural sector as well as product performance, each product benefits and cultivated area of the demand function, then maximization of the objective function and optimal water resources allocation were performed using EA and ICA algorithms. The results of the application of the EA and ICA algorithms to the optimal water allocation problem, showed that in this section, higher benefits could be obtained through economic policies as well as changing the cultivation pattern. Generally, in the case of Moghan plain can be expressed by applying a coefficient of 0.9, 135 Billion Rials, that is, about 40% of the optimal water resources allocation benefits improving between the agriculture sectors compared to the current situation.
Keywords: Water Resources, Election Algorithm, Imperialist Competitive Algorithm, optimization, Economic Benefit
- نتایج بر اساس تاریخ انتشار مرتب شدهاند.
- کلیدواژه مورد نظر شما تنها در فیلد کلیدواژگان مقالات جستجو شدهاست. به منظور حذف نتایج غیر مرتبط، جستجو تنها در مقالات مجلاتی انجام شده که با مجله ماخذ هم موضوع هستند.
- در صورتی که میخواهید جستجو را در همه موضوعات و با شرایط دیگر تکرار کنید به صفحه جستجوی پیشرفته مجلات مراجعه کنید.