Arash.A

بر اساس نتایح بدست آمده از الگوریتم بهینه ساز قورباغه جهنده (SFLA) مشخص گردید که جهت تعیین مقدار تراز سطح آب زیرزمینی در نقاط فاقد پیزومتر در دشت شهرکرد می توان از متد کریجینگ و واریوگرام های ماهانه استفاده نمود. بر اساس اطلاعات برداشت شده از 36 پیزومتر موجود در case study مذکور، مقدار تراز سطح ایستابی (آب زیرزمینی) منطقهء طرح با استفاده از برنامه نویسی به زبان ویژوال بیسیک در محیط نرم افزار اکسل (VBA) پیش بینی گردید. شرایط آنی منطقه اثبات نمود که پیش بینی مدل با دقت بسیار نزدیک به واقع اقدام به پیش بینی تراز سطح آب نموده و RMSE نتایج استخراج شده از مدل 0.032 را ارائه نمود.

یکی از روش های تعیین سرعت باد غالب در هر موقعیت جغرافیایی، استفاده از گلباد است. با توجه به اینکه پروژه مورد نظر کارفرما، طراحی سیستم آبیاری بارانی است، تعیین جهت باد غالب در این سیستم آبیاری (به منظور محاسبه فاصله و نحوه چیدمان رایزرها) تعیین کننده خواهد بود. بر مبنای اطلاعات ایستگاه هواشناسی، سرعت و جهت باد در هشت جهت جغرافیایی را در دست داشتیم. با استناد به داده های ایستگاه هواشناسی و با استفاده از کدنویسی به زبان ویژوال بیسیک در محیط اکسل (VBA)، گلباد منطقه ترسیم و جهت وزش باد غالب منطقه، به همراه سرعت وزش باد در تمامی جهات جغرافیایی (به انضمام باد آرام) ارائه و در راستای تعیین پارامترهای طراحی، مورد استفاده واقع شد.

در پروژه حاضر با استفاده از الگوریتم بهینه ساز GWO (گرگ خاکستری) ابعاد بهینه جهت حداقل سازی هزینه ناشی از بتن ریزی و ساخت سرریز کنگره ای ذوزنقه ای Ute واقع در ایالات متحده آمریکا را محاسبه و ارائه کرده ایم. در خروجی الگوریتم بهینه ساز گرگ خاکستری، میزان پیش آمدگی بهینه پیشانی کنگره ها، تعداد کنگره ها، زوایای هر کنگره با دیگر کنگره های مجاور، نسبت عرض سرریز به ارتفاع سرریز، نسبت طول سرریز به عرض سرریز، ارتفاع بهینه سرریز، طول دماغه و سطح عمود بر جریان استخراج و ارائه گردید. نتایج حاصل از الگوریتم بهینه ساز گرگ خاکستری گویای آن است که ساخت مخزن با مقادیر پیشنهادی الگوریتم GWO به میزان کاملا قابل توجه (هفت و نیم میلیون دلار) هزینه های ساخت سازه را کاهش خواهد داد.

در این پروژه با استفاده از الگوریتم بهینه ساز ازدحام ذرات ( PSO ) اقدام به تصحیح وزن و بایس های شبکه عصبی مصنوعی FeedForwardNet نموده و با استفاده از تجمیع امکانات موجود، اقدام به پیش بینی تراز سطح آب زیرزمینی (سطح ایستابی) دشت داراب کرده ایم. در تحلیل حاضر ابتدا با استفاده از مفهوم موجک (Wavelet) سری زمانی مربوط به تراز ایستابی را در چند سطح تفکیکی تجزیه کرده و با استفاده از شبکه عصبی مصنوعی و الگوریتم FeedForwadNet اصلاح شده اقدام به train شبکه می کنیم. پس از اتمام کار آموزش شبکه با استفاده از الگوریتم لونبرگ - مارکو، وزن و بایس شبکه عصبی را استخراج نموده و در نهایت با استفاده از الگوریتم PSO تمام اوزان و بایس شبکه را بهینه می کنیم. نتیجه نهایی حاکی از آن است که پس از استفاده از الگوریتم فراابتکاری ازدحام ذرات ( PSO ) پیش بینی نهایی شبکه عصبی بهینه شده در همه جا یا به داده های سری زمانی مادر مماس است یا اختلافی در حدود صفر دارد.

در این پروژه ضمن تلفیق منطق فازی ( FIS ) و شبکه های عصبی مصنوعی ( ANN ) اقدام تحلیل تکنیکال سری زمانی نموده و با استفاده از سیستم استنتاج فازی ( ANFIS ) و برنامه نویسی در محیط نرم افزار متلب سری زمانی حاضر را بسط داده و روند آتی را برای سری زمانی حاضر و نیز داده های اقلیمی مناطق همجوار پیش بینی میکنیم. در ادامه برای افزایش دقت تحلیل حاضر، پارامترهای سیستم استنتاج فازی را با استفاده از الگوریتم فراابتکاری بهینه ساز «رقابت استعماری» یا ICA تصحیح نموده و کلیه پارامترهای ANFIS را به کمک ICA و برنامه نویسی در محیط نرم افزار متلب بهینه کرده ایم. نتایج و نمودار نهایی حاکی از آن است که پس از تصحیح پارامترها با استفاده از الگوریتم بهینه ساز رقابت استعماری، خطای سیستم بسیار ناچیز و در حدود صفر درصد (0.0032) خواهد شد. نتیجه نهایی بدین صورت است که با در دست داشتن هریک از پارامترها و داده های اقلیمی (حداکثر یا حداقل دما، بارندگی، میزان رطوبت هوا، تعداد ساعات آفتابی و ...) در هریک از شهرهای استان خوزستان به راحتی قادر به پیش بینی نسبتا دقیق همین پارامترها در دیگر شهرهای استان مذکور (خوزستان) خواهیم بود.

در این پروژه با در دست داشتن میزان Demand از سری زمانی پنج ساله به انضمام میزان جریان های ورودی، بارندگی و تبخیر از سطح مخزن امیرکبیر و با استفاده از الگوریتم بهینه ساز فراابتکاری ژنتیک، میزان رهاسازی بهینه برای مصارف صنعتی، شرب و کشاورزی پایین دست برآورد گردید. در این پروژه ضمن استفاده از الگوریتم ژنتیک، میزان رهاسازی آپتیمال بصورت فازی تحلیل و با سیاست استاندارد (SOP) مقایسه گردید. نمودارهای موجود حاکی از آن است که رهاسازی پیشنهادی الگوریتم بهینه ساز به مراتب کاراتر از سیاست SOP عمل نموده و در صورت بروز سیلاب نیز مخزن گنجایش کافی برای دفن مازاد آب و ممانعت از بروز سیل را دارا می باشد. در انتها میزان Spill به گونه ای خواهد بود که سرریز از مخزن فقط و فقط جوابگوی نیاز اکوسیستم منطقه بوده و از هدر رفت آب جلوگیری شود. در این پروژه شاخص های اعتماد پذیری، برگشت پذیری، آسیب پذیری و پایداری سیستم بصورت Crisp و Fuzzy بررسی شده اند. نتایج به وضوح گویای این نکته است که شاخص های مبنا در خروجی حاصل از الگوریتم ژنتیک در حدود صد درصد ( 99.97 ) را نمایش داده و میزان آسیب پذیری سیستم در خروجی پیشنهادی الگوریتم حاضر حدودا صفر درصد (0.0011) خواهد بود.