particle swarm algorithm
در نشریات گروه مهندسی آب-
Journal of Applied Research in Water and Wastewater, Volume:6 Issue: 2, Summer-Autumn 2019, PP 88 -94
The frequent occurrences of wet and dry in the catchment area of the Gamasiab river located in the west of Iran, in addition to affecting the quantitative status of surface water, has caused changes in the water quality of the basin. Therefore, modeling and prediction of Gamasiab river water quality in wet and dry periods are research priority. In this study, an optimized artificial neural network (ANN) trained with three different optimization algorithms namely; particle swarm optimization (PSO), genetic algorithm (GA) and imperialist competitive algorithm (ICA) was proposed for predicting the electric conductivity (EC). For this purpose, water quality data from 1967 to 2017 collected at the hydrometric station in the Gamasiab river were used for developing and testing the models. First, the study program was divided into two periods of wet and dry, this classification based on flow rate in the river. Then, in a preliminary statistical analysis, the effective parameters were determined for EC estimation. The performance of the applied methods showed that the ANN optimized using ICA algorithm was better than the ANN optimized with GA and PSO, and also the standard ANN without optimization. Overall, the ANN optimized with ICA has higher R and lower MARE and RMSE, with values of 11.56, 19.63 and 0.93, during the dry period, and 10.63, 17.19 and 0.97 during the wet period, respectively.
Keywords: Water quality, electric conductivity, artificial neural network, Genetic Algorithm, Particle swarm algorithm, Imperialist competitive algorithm, Gamasiab river -
با توجه به وسعت و پیچیدگی شبکه های توزیع آب، برای پایش عملکرد آنها در مرحله بهره برداری، نیاز به مدل سازی کامپیوتری است. از موضوعات بسیار مهم در مدل های کامپیوتری، تطبیق نتایج حاصل از مدل با واقعیت است که لازم است با تنظیم دقیق ضرایب مدل انجام شود. یافتن یک روش مناسب برای تنظیم ضرایب مدل یکی از چالش های اصلی در مدل سازی کامپیوتری است. در این پژوهش، با اصلاح رابطه سرعت حرکت دسته ذرات و ترکیب آن با عملگر جهش، یک مدل دسته ذرات اصلاح شده با عملگر جهش برای تنظیم ضرایب شبکه های توزیع آب ارائه شد. با تعریف ضرایب مدل ها، چهار مدل شامل مدل بهینه سازی دسته ذرات استاندارد، مدل بهینه سازی دسته ذرات استاندارد اصلاح شده، مدل بهینه سازی دسته ذرات استاندارد با عملگر جهش و مدل بهینه سازی دسته ذرات استاندارد اصلاح شده با عملگر جهش ساخته شد. برای صحت سنجی معادله اصلاح شده از تابع محک ریاضی راسترین، برای صحت سنجی مدل ها از شبکه دوحلقه ای و برای بررسی تفضیلی آنها از شبکه چهار حلقه ای و شبکه واقعی استفاده شد. بهینه سازی در محیط MATLAB و با تلفیق الگوریتم بهینه سازی دسته ذرات و نرم افزار EPANET انجام شد. مقایسه نتایج مدل دسته ذرات استاندارد با مدل دسته ذرات استاندارد اصلاح شده برای تابع محک ریاضی راسترین نشان می دهد که اصلاح معادله سرعت حرکت دسته ذرات، قابلیت مدل در تعیین جواب واقعی را افزایش و هزینه محاسبات را کاهش می دهد. مقایسه نتایج مدل ها برای شبکه دو حلقه ای و چهارحلقه ای نشان می دهد که مدل دسته ذرات اصلاح شده با عملگر جهش به ترتیب با 7/96 و 95 درصد احتمال پیدا کردن جواب بهینه، بهترین عملکرد را در بین مدل های موجود بر اساس این شاخص دارد. همچنین مدل دسته ذرات اصلاح شده برای هر دو شبکه نمونه دوحلقه ای و چهار حلقه ای در کمترین زمان جواب بهینه را پیدا کرده است و بهترین مدل بر اساس این شاخص در بین مدل های موجود است. مقایسه نتایج مدل ها در شبکه توزیع آب اهر نشان می دهد مدل دسته ذرات استاندارد اصلاح شده با عملگر جهش با داشتن کمترین مقدار حداقل و متوسط خطای داده های ساخت، بهترین عملکرد را در بین مدل های دسته ذرات دارد. به طورکلی، اصلاح معادله سرعت حرکت دسته ذرات در قالب مدل دسته ذرات استاندارد اصلاح شده و همچنین اصلاح معادله دسته ذرات و تلفیق آن با عملگر جهش در قالب مدل دسته ذرات استاندارد اصلاح شده با عملگر جهش، توانمندی بیشتری را برای تنظیم ضرایب شبکه توزیع آب به وجود می آورد.کلید واژگان: الگوریتم دسته ذرات، شبکه توزیع آب، تنظیم ضرایب، جهشRegarding the complexity of WDNs, the need for computerized modelling of WDNs is felt more than ever for monitoring their performance at the operational stage. One of the most important issues in modelling is to adjust the results of modelling with the real status of the system. So it is necessary to calibrate the model by observed data. Finding a suitable method for adjusting the model's coefficients is one of the main challenges in computerized modelling. In this paper, a modified particle swarm method is presented to adjustment of water distribution network coefficients by modifying the velocity equation of the particle swarm and Combining it with the mutation operator. Thus by defining the coefficients of the models, four models such as standard particle swarm optimization model (SPSO), modified standard particle swarm optimization model (MSPSO), standard particle swarm optimization model with a mutation (SPSOM) and modified standard particle swarm optimization model with a mutation (MSPSOM) are constructed. The Rastrigin test function is used for verification of the modified particle swarm equation and the two-loop network is used for verification of models and also the four-loop network and real water distribution network are used for detailed analysis. The optimization is done in MATLAB by combining the particle swarm optimization algorithm and the EPANET software. Comparison of the results of the standard particle swarm model and the modified standard particle swarm model for the Rastrigin test function showed that modifying the particle swarm velocity equation increased the model's ability to determine the actual answers and reduced the costs. The MSPSOM model finds the optimal answer for two-loop and four-loop networks with a probability of 96.7 and 95 percent respectively. So it is the best model among all models in this criteria. Also, the MSPSO model finds the optimal answer for two-loop and four-loop networks in lowest time compared to other models. So it is the best model among all models in this criteria. Comparing the results of the models in the Ahar water distribution network showed that the modified standard particle swarm with the mutation model have the lowest minimum and average values of the modeling data error. So it has the best performance among the particle swarm models. In general, the correction of the particle swarm velocity equation in the form of the standard particle swarm model, and the correction of the particle swarm velocity and its integration with the mutation operator in the form of a modified standard particle swarm with a mutation has a higher ability to adjust the water distribution network coefficients.Keywords: Particle Swarm Algorithm, Water Distribution Network, Adjustment of Coefficients, Mutation
- 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.