به جمع مشترکان مگیران بپیوندید!

تنها با پرداخت 70 هزارتومان حق اشتراک سالانه به متن مقالات دسترسی داشته باشید و 100 مقاله را بدون هزینه دیگری دریافت کنید.

برای پرداخت حق اشتراک اگر عضو هستید وارد شوید در غیر این صورت حساب کاربری جدید ایجاد کنید

عضویت
جستجوی مقالات مرتبط با کلیدواژه

simulation-optimization approach

در نشریات گروه عمران
تکرار جستجوی کلیدواژه simulation-optimization approach در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه simulation-optimization approach در مقالات مجلات علمی
  • فاطمه یوسفوند، جمال محمدولی سامانی*، حسین محمدولی سامانی
    در سال های اخیر مسیله شناسایی منابع آلاینده در رودخانه ها یکی از پرتوجه ترین موضوعات تحقیقات علمی در حوزه ی آب بوده است. در عمده ی پژوهش های انجام شده، منابع آلاینده، نقطه ای در نظر گرفته شده اند و برای بازیابی شدت آلاینده نیاز است، یک نقطه ی شاهد در پایین دست هر منبع در نظر گرفته شود. در این پژوهش محل های ورود آب زیرزمینی به رودخانه، به عنوان منابعی گسترده با مکان و طول معلوم درنظر گرفته می شوند و هدف بازیابی شدت منابع، تنها با استفاده از یک نقطه شاهد در پایاب رودخانه است. منابع موردنظر، منابعی گسترده با بارگذاری ثابت و در فاصله قابل توجهی از هم هستند. وجود فاصله، مانع از اختلاط کامل غلظت در نقطه شاهد می شود. این امر و نیز ثابت بودن شدت بارگذاری باعث می شود بتوان تنها با یک نقطه شاهد، چند منبع گسترده را بازیابی کرد. بدین منظور حل معکوس معادله انتقال با استفاده از رویکرد شبیه سازی- بهینه سازی انجام می شود. در تهیه مدل معکوس از پیوند MIKE11 به عنوان شبیه ساز و الگوریتم ژنتیک در MATLAB استفاده شده است. بازیابی چندین منبع گسترده با یک نقطه شاهد، مهم ترین نقطه قوت پژوهش حاضر می باشد. صحت سنجی مدل توسط مثال های فرضی، 40 کیلومتر از رودخانه کارون و نیز اعمال 5 و 15 درصد خطا به داده های مشاهداتی انجام شد. نتایج نشان می دهد مدل قادر است، نه تنها با یک نقطه شاهد بلکه فقط با یک داده از نمودار غلظت-زمان در نقطه شاهد که تحت تاثیر منبع موردنظر باشد، شدت را بازیابی نماید. دقت مدل در بازیابی شدت منابع، براساس شاخص های آماری بیش از 99 درصد می باشد.
    کلید واژگان: مدل معکوس، رویکرد شبیه سازی - بهینه سازی، مدل عددی MIKE11، منابع گسترده شوری، الگوریتم ژنتیک
    Fatemeh Yousofvand, Jamal Mohammad Vali Samani *, Hossein Mohammad Vali Samani
    In recent years, the issue of identifying polluting sources in rivers has been one of the most important topics in scientific researches in the field of water. In the main researches, the pollutant sources have been considered as the point sources and in order to recover pollutant concentration, it is necessary to have an observation point for each source. In this study, the places where groundwater enters to river are considered as several distributed sources with known location and length and goal is to recover the intensity of sources, using only one observation point. The sources which considered in this research are distributed sources with constant loading and significant distance from each other. The existence of significant distance among sources prevents the complete mixing of concentration at observation point. This matter and also the constant intensity of loading, makes it possible to recover several distributed sources using only one observation point. For this purpose, the inverse solution of the advection-dispersion equation is done using the simulation-optimization approach. To design the backward model, MIKE11, linked with genetic algorithm in MATLAB. Considering one observation point for recovering the salinity intensity of several distributed sources and providing a general framework to recovery of distributed sources are advantages of the present study. The performance of the developed approach is evaluated under different examples and measurement error conditions. The computational results indicated the backward model can recover the salinity intensity of several distributed sources with high accuracy using only one observation point, even with noise.
    Keywords: Backward Model, simulation-optimization approach, MIKE11 numerical model, the salinity Distributed sources, genetic algorithm
  • Seyed Mohammad Ashrafi *
    This study aims to investigate the different management policies of multi-reservoir systems and their impact on the demand supply and hydropower generation in Great Karun River basin. For this purpose, the semi-distributed simulation-optimization  model of the Great Karun River basin is developed. Also, the multi-objective particle swarm optimization algorithm is applied to optimize the developed model and determine the optimum operating policies. The significance of this research is using the semi-distributed simulation model to simulate the supply of system demand sites that leads to obtaining more realistic results compared to the centralized models. The results of this study show that the effects of different system reservoirs on energy production and demand supply are not the same across the basin and they should be considered carefully for achieving maximum efficiency of the multi-reservoir system in meeting different demands and for extracting the optimal operating rule curves.
    Keywords: Multi-reservoir water resources system, Multi-Objective Optimization, semi-distribution model, Great Karun River basin, Simulation-optimization approach
نکته
  • 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.
درخواست پشتیبانی - گزارش اشکال