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

computational efficiency

در نشریات گروه مهندسی آب
تکرار جستجوی کلیدواژه computational efficiency در نشریات گروه فنی و مهندسی
تکرار جستجوی کلیدواژه computational efficiency در مقالات مجلات علمی
  • سعید سرکمریان*، علی حقیقی، سید محمد اشرفی، حسین محمد ولی سامانی
    روش تحلیل معکوس جریان گذرا (ITA)، یکی از روش های موفق در زمینه شناسایی نشت در شبکه های آبرسانی است. با این وجود دستیابی به پارامترهای مجهول نشت مانند تعداد، مکان و مساحت نشت ها در این روش به دلیل استفاده از الگوریتم های فراکاوشی مانند الگوریتم ژنتیک (GA) نیازمند صرف هزینه و زمان محاسباتی زیادی است. هدف از این پژوهش ارایه راهکاری است که با حفظ ساختار محاسبات ITA، دقت و سرعت دسترسی به نتایج نیز افزایش یابد. در این پژوهش راهکار استفاده از مدل های جایگزین در فرایند بهینه سازی روش ITA مطرح شد. این مدل ها با تقلید از رفتار تابع هدف اصلی، تلاش می کنند با هزینه محاسباتی اندک، تا حد امکان بیشترین شباهت رفتاری را نسبت آن داشته باشند. در همین راستا الگوریتم بهینه سازی جدیدی بر پایه مدل جایگزین کریجینگ تحت عنوان الگوریتم GA-Kriging معرفی شد. در این الگوریتم با استفاده از ویژگی ساختاری مدل جایگزین کریجینگ و ارایه شاخصی به نام EI اصلاحاتی در انتخاب فرزندان الگوریتم GA انجام شد. به منظور ارزیابی الگوریتم GA-Kriging و مقایسه عملکرد آن با الگوریتم GA، از یک شبکه آبرسانی مرجع با هدف یافتن نشت استفاده شد. نتایج نشان داد که الگوریتم GA-Kriging با 52 درصد دقت بیشتر نتایج به دست آمده و صرفه جویی زمان محاسباتی به اندازه 75 درصد، نسبت به الگوریتم GA کارایی محاسباتی بیشتری دارد. این پژوهش نشان داد که استفاده مناسب از مدل های جایگزین در فرایند بهینه سازی می تواند سبب هوشمندتر شدن محاسبات، کاهش محاسبات تکراری و در نهایت، افزایش کارایی محاسباتی شود.
    کلید واژگان: تحلیل معکوس جریان گذرا، تعیین نشت، راندمان محاسباتی، مدل جایگزین
    Saeed Sarkamaryan *, Ali Haghighi, Seyed Mohammad Ashrafi, Housain Mohammad Vali Samani
    The inverse transient analysis (ITA) method is amongst the successful leak detection methods in water distribution networks. However, determining the unknown leakage parameters such as number, location, and area of leakages is computationally time-consuming and costly due to applying metaheuristic algorithms, like the genetic algorithm (GA). This study aimed to present a novel approach to resolve this issue in order to enhance the accuracy and speed of the ITA method while maintaining its computational structure. In this research, surrogate models were incorporated in the optimization process of the ITA method. Mimicking the behavior of the objective function, surrogate models attempt to represent the most similar behavior at a low computational cost. In this regard, a new optimization algorithm based on the Kriging surrogate model, called GA-Kriging was proposed. In this algorithm, according to the structural characteristics of the Kriging surrogate model, an EI index was presented to modify the offspring selection scheme in GA. In order to evaluate the GA-Kriging algorithm and compare its performance with the conventional GA, a reference water distribution network was considered for leak detection. The accuracy and computational efficiency of the results in the GA-Kriging algorithm were 52% and 75% higher than those of the conventional GA, respectively. The present study concluded that appropriate incorporation of surrogate models in the optimization process can make the computations more intelligent, reduce repeated computations and, ultimately, increase computational efficiency.
    Keywords: Inverse Transient Analysis, Leak Detection, Computational Efficiency, Surrogate Model
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