بخشی از مقاله

چکیده

در این تحقیق قابلیت مدل استنتاج تطبیقی عصبی‐ فازی - ANFIS - در شبیهسازی غلظت جامدات محلول - TDS2 - در مخازن سدها بررسی شده است. با استفاده از داده های دبی ورودی به مخزن، حجم مخزن، پروفیل قائم TDS در ابتدای ماه و میزان برداشت آب از دریچهها مدل ANFIS آموزش داده شده و صحت سنجی می شود.

به منظور بررسی کارایی روش مورد استفاده در این تحقیق، از اطلاعات مربوط به مخزن سد ۵۱ خرداد که بر روی رودخانه قمرود ساخته شده است استفاده گردید. نتایج این تحقیق نشان دهنده این واقعیت است که مدلهای ANFIS بهخوبی قابلیت جایگزینی مدل عددی WQRRS را دارند. همچنین این مدل شبیهسازی با مدل الگوریتم ﮊنتیک تلفیق شده و نشان داده شد که کارایی آن در حد مدل بهرهبرداری مدل VLGAQ3 میباشد.

مقدمه

رشد روزافزون مصرف آب، محدودیت منابع آب قابل استحصال، افزایش نقاط مصرف و فعالیتهای صنعتی در اطراف شهرهای بزرگ و ورود آلایندههای مختلف به رودخانه های پاییندست بسیاری از سدهای مخزنی، پیچیدگی برنامهریزی بهرهبرداری کمی کیفی از مخازن را در سالهای اخیر افزایش داده است.

اهمیت کیفیت آب بهخصوص از جنبههای بهداشتی، باعث شده است تا در برنامه ریزی منابع آب، توجه به اهداف و مطلوبیتهای کیفی چون کیفیت آب آزاد شده جهت رفع نیازهای آبی پاییندست و رعایت جریانهای حداقل زیست محیطی در کنار اهداف کمّی مانند تامین نیازهای آبی، کنترل سیلاب و تولید انرﮊی برقابی مورد توجه قرار گیرند.

برنامه ریزی کمّی و کیفی سیستمهای منابع آب بهطور خلاصه مسالهای متشکل از اهداف متضاد و پیچیده و دارای متغیرهای تصمیمگیری قابل توجه میباشد که برای تامین نتایج مطلوب، استفاده از امکانات رایانهای و جدیدترین نوآوریهای موجود در زمینه مدلهای بهینهسازی و شبیه سازی، ضروری میباشد.

یک مدل شبیه سازی رفتار سیستم تحت شرایط معینی را بازسازی کرده و عکسالعمل سیستم در برابر ورودیهای مشخص را ارزیابی می کند. مدلهای شبیه سازی دقیق - چون مدلهای شبیه سازی سه بعدی کیفیت آب - معمولاﹰ زمان اجرای قابل توجهی دارند. در این تحقیق سعی شده است عملکرد مدل شبیهسازی استنتاج تطبیقی عصبی‐ فازی - ANFIS - در شبیهسازی متغیرهای کیفی در مخازن مورد بررسی قرار گیرد. سابقه اولین مطالعه در زمینه برنامهریزی و مدیریت کمی‐ کیفی مخازن به دهه ٧٠ میلادی همزمان با رشد مدلهای شبیهسازی کیفی مخازن برمیگردد.

نشاندادند که بهرهبرداری از مخازن میتواند با اهداف کمی و کیفی انجام گیرد و با توجه به تغییرات دمای آب در مخزن در ماههای مختلف سال یک مدل بهینهسازی پویا برای کاهش هزینههای تصفیه آلایندههای رودخانههای پاییندست، که متاثر از دبی و دمای آب خروجی از مخزن می باشد، ارائه دادند. در سالهای اخیر نیز Chaves et al - 2004 - از تکنیکهای بهینهسازی و شبیهسازی شبکه عصبی برای شبیهسازی و بهرهبرداری از مخزن استفاده کردند.

آنها یک مدل فازی غیرقطعی پویا را برای تدوین سیاستهای بهرهبرداری توسعه دادند. Kerachian and Karamouz - 2006 a,b - مدلهایی را برای بهینهسازی قطعی و استوکستیک قوانین بهرهبرداری از مخازن سدها جهت بهبود کیفیت آب ذخیره شده و آب خروجی، با تمرکز بر روی فرایند طبیعی لایهبندی کیفی مخزن توسعه دادند. آنها از یک مدل شبیه سازی عددی که بر پایه مدلهای WQRRS و HEC5Q توسعه داده شده بود برای شبیهسازی کیفیت آب ذخیره شده و آب آزاد شده استفاده کردند.

این مدل شبیهسازی عددی برای شبیهسازی ماهانه کیفی مخزن در یک افق ۰۳ ساله مستلزم صرف زمان ۴ ثانیه میباشد. در صورتی که شبیهسازی کیفی غلظت متغیر TDS در همین افق زمانی بوسیله مدل شبیه سازی ANFIS تنها در کسری از ثانیه انجام میگیرد. در این تحقیق سعی شده است تا با جایگزینی یک مدل شبیهسازی کیفی بر پایه سیستم استنتاج تطبیقی عصبی‐ فازی، زمان اجرای مدلهای ارائه شده توسط Kerachian and Karamouze - 2006 a,b - کاهش داده شود. در ادامه جزئیات این مدل شبیهسازی هوشمند ارائه شده است.

ساختار ANFIS

از زمانی که پروفسور لطفی زاده برای اولین بار تئوری منطق فازی را برای سیستمهای پیچیده ارائه داد، این نظریه بهطور گستردهای در مسائل مختلف با موفقیت استفاده شده است. Jang - 1993 - برای اولین بار با مدنظر قرار دادن تواناییهای تئوری فازی و شبکه عصبی، مدل سیستم استنتاج تطبیقی عصبی فازی را ارائه داد. مدل استنتاج تطبیقی عصبی‐ فازی - ANFIS - شبکهای چند لایه، متشکل از گرهها و کمانهای اتصال دهنده گرهها میباشد. ساختار مدل ANFIS به صورت شماتیک در شکل - ۱ - نشان داده شده است. همانطور که از این شکل پیداست، ساختار شبکه ANFIS از ۵ لایه تشکیل شده است

لایه۱: این لایه، لایه ورودیها میباشد که بیان کننده توابع عضویت فازی میباشد. شکل تابع عضویت و میزان همپوشانی آنها دلخواه بوده و توسط کاربر تعیین میشود.

که در اینجا x برابر ورودی است و a,b, c و ضرایب غیرخطی این معادله می باشند. مجموعه ضرایب متغیرهای فازی{ - a1 ,b1 , c1 - , - a2 ,b2 , c2 - ,...}، مجموعه S1 یا مجموعه پارامترهای سمت چپ LHS - ١ - نامیده میشود. مقادیر

خروجی لایه اول - مثلا - A1 - x - ، مقادیر عضویت هر ورودی نسبت به توابع عضویت مختلف مربوط به آن ورودی می باشد.

لایه۲: در این لایه مقادیر سیگنالهای ورودی به هر گره در هم ضرب شده و حاصل که وزن١ قانونها میباشد، بدست میآید.

شکل - ۱ - : ساختار مدل ANFIS به صورت شماتیک

لایه۳: گرههای این لایه عمل محاسبه وزن نسبی قوانین را انجام میدهند:

لایه۴: این لایه، لایه قوانین نامیده میشود که قوانین از ورودیها به این لایه بدست می آیند:
که pi , qi , ri پارامترهای متعاقب٢ نامیده میشوند. مجموعه متشکل از { - p1 , q1 , r1 - , - p2 , q2 , r2 - ,..} را مجموعه S2 می نامیم. به این مجموعه پارامترها، مجموعه پارامترهای RHS٣ گفته میشود.

لایه۵: این لایه آخرین لایه شبکه می باشد و از یک گره تشکیل شده است. تنها گره این لایه وظیفه جمعبندی تمامی ورودیهای به این گره را بر عهده دارد.

در متن اصلی مقاله به هم ریختگی وجود ندارد. برای مطالعه بیشتر مقاله آن را خریداری کنید