بکارگیری الگوریتم ژنتیک در مساله معکوس تخمین ضرایب زبری لوله ها در شبکه های تحت فشار

مدتی پس از زمان بهره برداری سیستم های تحت فشار، مشخصات لوله ها به علت تغییر در زبری و در پی آن کاهش ظرفیت هیدرولیکی، تغییر کرده و مانع بهره برداری رضایت بخش و کارکرد مناسب شبکه می شود. تعمیر و واسنجی شبکه های موجود، امروز یکی از مسائل مهم در زمینه صنعت آب است. هدف در این تحقیق، تخمین ضرایب زبری در سیستم های تحت فشار یا به بیان دیگر، واسنجی زبری برای اهداف تعمیراتی است. به طور خلاصه، واسنجی خطوط لوله با دو هدف اصلی انجام می شود: 1- نشت یابی، 2- تعیین ظرفیت شبکه و توسعه خطوط لوله. از آنجا که به علت مدفون بودن لوله های شبکه های آبرسانی، تعیین ضرایب زبری به صورت مستقیم و با اندازه گیری گسترده فشار و جریان و سپس تحلیل آنها به کمک مدل های شبیه سازی هیدرولیکی امکان پذیر نیست، در تحقیق حاضر، روشی با استفاده از بهینه سازی الگوریتم ژنتیک و مدل سازی معکوس هیدرولیک جریان ماندگار در خطوط لوله ارائه خواهد شد. در شرایط آزمایشی مشخص، مقادیر فشار در تعدادی از نقاط شاهد، در چند ساعت از شبانه روز اندازه گیری می شوند. سپس نوعی تابع هدف با معیار کمینه سازی مربع اختلاف مقادیر فشار اندازه گیری شده و محاسباتی در نقاط شاهد تعریف شده و با استفاده از بهینه سازی ژنتیکی پارامترهای مجهول ضرایب زبری به صورت معکوس تخمین زده می شوند. کاربرد این روش و توانمندی آن با استفاده از یک مثال نشان داده خواهد شد.