مدیریت بهینه آبخوان آلوده به نیترات
پایان نامه فوق لیسانس
با عنوان مدیریت بهینه آبخوان آلوده به نیترات
فایل ورد و پی دی اف پایان نامه، چکیده پایان نامه در ادامه ارایه شده است:
با توجه به اهمیت و نقش منابع آب زیرزمینی در تامین نیازهای کشاورزی، شرب و صنعت در مناطق خشک و نیمه‌خشک، مانند ایران، بررسی خطر آلودگی آب‌های زیرزمینی مهم و ضروری می‌باشد. نیترات یکی از مهمترین آلاینده‌هایی است که از منابع گوناگونی مانند کودهای شیمیایی، آفت‌کش‌ها و یا فاضلاب‌های خانگی و صنعتی وارد آب‌های زیرزمینی می‌شوند. در این تحقیق جهت مدیریت بهینه آبخوان‌های آلوده به نیترات از مدل شبکه عصبی مصنوعی جهت شبیه‌سازی تغییرات غلظت نیترات استفاده گردیده و به‌منظور استخراج مقادیر بهینه برداشت از آبخوان آب زیرزمینی با حفظ محدودیت غلظت نیترات در حد استاندارد از یک مدل بهینه‌ساز استفاده شده است. در این تحقیق از مدل‌های بهینه‌سازی فراکاوشی شامل مدل‌های مجموعه ذرات و جستجوی الگو بهره گرفته شده است. با توجه به افزایش آلودگی غلظت نیترات در آبخوان کرج در طی سال‌های اخیر، بخشی از این آبخوان به عنوان مطالعه موردی در نظر گرفته شده است و این آبخوان به 13 ناحیه بر مبنای شبکه پایش پیزومتری تقسیم گردیده است. مدل شبکه عصبی در مقیاس فصلی تهیه گردید. پارامترهای ورودی مدل شبکه عصبی مصنوعی، میزان برداشت در طول فصل بررسی و فصل قبل، مقادیر غلظت نیترات در فصل قبل، ضخامت لایه اشباع و طول و عرض جغرافیایی هر ناحیه بوده که پس از آنالیز حساسیت انتخاب گردیدند. نتایج این تحقیق نشان می‌دهد که مدل بهینه‌سازی مجموعه ذرات با توجه به معیار ارزیابی تابع هدف نسبت به مدل جستجوی الگو به جواب مطلوب‌تری رسیده است. همچنین بر اساس نتایج حاصل از الگوریتم بهینه‌سازی مجموعه ذرات، مدیریت بهینه غلظت نیترات، مستلزم کاهش و یا افزایش برداشت از نواحی مختلف نسبت به شرایط فعلی برداشت در منطقه می‌باشد. لذا با ثابت نگه داشتن کل برداشت از محدوده و با اندکی تغییرات منطقه‌ای در میزان برداشت در آبخوان آلوده کرج، می توان از افزایش غلظت نیترات در نواحی بحرانی جلوگیری نمود.
کلمات کلیدی: آب‌زیرزمینی، شبکه عصبی مصنوعی، مجموعه ذرات، جستجوی الگو ، نیترات، آبخوان کرج
برآورد مقاومت فشاری بتن با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی - عصبی تطبیقی
| مقاله با عنوان: برآورد مقاومت فشاری بتن با استفاده از شبکه عصبی مصنوعی و سیستم استنتاج فازی - عصبی تطبیقی
| نویسندگان: سینا باقرزاده ، محمود اکبری
| محل انتشار: دهمین کنگره بین المللی مهندسی عمران - دانشگاه تبریز - 15 تا 17 اردیبهشت 94
| فرمت فایل: PDF و شامل 11 صفحه می باشد.
چکیــــده:
مقاومت فشاری بتن یکی از مشخصات مهم مکانیکی بتن است که متاثر از طرح اختلاط بتن می باشد. اجزای تشکیل دهنده بتن سیمان، آب، درشت دانه و ریزدانه است که میزان آنها در طرح اختلاط بر مقاومت فشاری بتن تاثیر می گذارند. در زمینه تخمین رفتار بتن، تکنیک های ریاضی مختلفی توسط محققین ارائه شده است. به طوریکه در گذشته این تکنیک ها بیشتر بر پایه رگرسیون خطی و غیرخطی استوار بوده است. امروزه روش های بر پایه هوش مصنوعی مانند منطق فازی و شبکه های عصبی مصنوعی در این زمینه با موفقیت مورد استفاده قرار گرفته است و عموما در ساخت این مدل ها از داده های آزمایشگاهی استفاده شده است. در این مطالعه با در نظرگیری اجزای نرمالایز شده طرح اختلاط بتن به عنوان متغیرهای ورودی، از شبکه عصبی مصنوعی (ANN) و سیستم استنتاج فازی- عصبی تطبیقی (ANFIS) برای برآورد مقاومت فشاری 28 روزه بتن استفاده می شود و کارایی مدلها در برآورد مقاومت فشاری بتن مورد تجزیه و تحلیل قرار می گیرد. نتایج نشان می دهند که این مدلها توانایی نسبتا مناسبی در برآورد مقاومت فشاری بتن دارند.