کاربرد روش یادگیری تقویتی برای تعیین دستورالعمل بهرهبرداری برحسب درخواست توزیع و تحویل بهینه آب

سال انتشار: 1394
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 44

فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_IJSWR-46-2_012

تاریخ نمایه سازی: 10 آبان 1402

چکیده مقاله:

یکی از رویکردهای موثر تحویل و توزیع آب در شبکه های آبیاری روش برحسب درخواست است که با توجه به ساختار هر شبکه قابل اجراست؛ اما به استخراج دستورالعمل بهرهبرداری نیاز دارد. در این تحقیق، مدل تعیین دستورالعمل بهرهبرداری روش برحسب درخواست با الگوریتم یادگیری تقویتی سارسای فازی (FSL) توسعه داده شد و در کانال E۱R۱ شبکه آبیاری دز آزمون شد. ورودی این الگوریتم دبیهای درخواستشده و خروجی آن دستورالعمل بهرهبرداری سازههاست. برای ارزیابی نتایج دو سناریویی که اجرا شد شاخصهای ارزیابی عمق و دبی به کار رفت. نتایج نشان دهنده توانایی FSL در هم گرایی و استخراج الگوها بود. مثلا در سناریوی ۱، که در آن دبی آبگیرهای ۵ و ۶ از ۱/۰ متر مکعب در ثانیه به ۲/۰ متر مکعب در ثانیه افزایش یافته است و سایر آبگیرها بسته اند، حداقل مقدار شاخصهای راندمان و کفایت برابر ۹۸۹/۰ و ۹۹۴/۰ و حداکثر مقدار شاخصهای خطای مطلق حداکثر و تجمعی برابر ۴/۸ و ۴/۷ درصد به دست آمد. با توجه به نتایج، FSL را میتوان در تنظیمات سازهها، به صورت دستی، برای روشهای برحسب درخواست به کار برد.

کلیدواژه ها:

نویسندگان

کاظم شاهوردی

دانشجوی دکتری سازه های آبی دانشگاه تربیت مدرس

محمدجواد منعم

دانشیار گروه سازه های آبی دانشگاه تربیت مدرس

مجید نیلی

استاد مهندس برق دانشگاه تهران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • Burt, C. M. (۲۰۱۱). The Irrigation Sector Shift from Construction ...
  • Clemmens, A. J., Kacerek, T. F., and Grawitz, B., and ...
  • Derhami, V. (۲۰۰۷). Intelligent Agent Based Controller Design for Robot ...
  • Derhami, V., Majd, V. J., and Nili, M. (۲۰۰۸). Fuzzy ...
  • De Vries, T. and Anwar, A. (۲۰۰۴). Irrigation Scheduling. I: ...
  • Glorennec, P. Y. and Jouffe, L. (۱۹۹۷). Fuzzy Q-learning fuzzy ...
  • Haq, Z. U., Anwar, A. A., and Clarke, D. (۲۰۰۸). ...
  • Kaelbling, L. P., Littman, M. L., and Moore, A. W. ...
  • Mathur, Y., Sharma, G., and A. Pawde (۲۰۰۹). Optimal Operation ...
  • Mohseni Movahed, A. and Monem, M. J. (۲۰۰۲). Introducing ICSSDOM ...
  • Monem, M. J. and Namdarian, R. (۲۰۰۵). Application of simulated ...
  • Monem, M. J., Najaf, M. R., and Khoshnavaz, S. (۲۰۰۷). ...
  • Suryavanshi, A. and Reddy, J. M. (۱۹۸۶). Optimal operation schedule ...
  • Wang, Z., Reddy, J. M., and Feyen, J. (۱۹۹۵). Improved ...
  • نمایش کامل مراجع