عنوان پایان‌نامه
بررسی تغییرات و نوسانات بر مصرف آب در شبکه های آب شهری و روستایی ایران و عوامل موثر بر آن
- رشته تحصیلی
- مهندسی عمران - مهندسی آب
- مقطع تحصیلی
- کارشناسی ارشد
- محل دفاع
- کتابخانه پردیس یک فنی شماره ثبت: 1708;کتابخانه مرکزی -تالار اطلاع رسانی شماره ثبت: 55517
- تاریخ دفاع
- ۰۵ مهر ۱۳۹۱
- دانشجو
- بابک قره خانی
- استاد راهنما
- مسعود تابش
- چکیده
- الگوی مصرف آب در بازه های کوتاه مدت، میان مدت و بلند مدت، دارای نوساناتی است که از جمله مهمترین بخش های این نوسانات، مصارف حداکثر می باشند . بررسی مصارف حداکثر در بازه های کوتاه مدت و میان مدت جهت مدیریت و بهره برداری از مخازن و نیز تعیین قابلیت اطمینان شبک ه، امری ضروری می باشد . از طرفی ظرفیت شبکه و نیز قطر خطوط لوله در بخشهای مختلف بر اساس میزان تقاضا در شرایط حداکثر در انتهای دوره طرح و با اعمال ضرایب حداکثر، بدست می آیند. الگوی روزانه تقاضا که ضرایب حداکثر تقاضای شبکه از آن نتیجه می شود، تحت عوامل بسیاری که مهمترین آنها تعداد مشترکین و شرایط اقلیمی است، در هر منطقه متفاوت می باشد و بیشتر مراجع بر لزوم بومی سازی این ضرایب تاکید کرده اند. در این تحقیق با توجه به محدودیت های موجود در ثبت و دسترسی به داده های مصرف، با محاسبه ضریب حداکثر روزانه در شهر تهران و نیز ضرایب حداکثر ساعتی و روزانه برای شهرستان کاشمر، سعی شده تا قدمی در جهت بومی سازی این ضرایب برداشته شود . نتایج آنالیز 1 و ضرایب / داده های موجود نشان داده اند که ضریب حداکثر روزانه در تهران بین 1 تا 3 1 متغیر می / 1 تا 9 / 1 و 6 / 1 تا 4 / حداکثر ساعتی و روزانه در شهرستان کاشمر به ترتیب بین 3 باشند. همچنین در جهت بررسی نوسانات میان مدت و کوتاه به پیش بینی مصرف حداکثر ماهانه در تهران و مصرف حداکثر روزانه در شهرستان کاشمر از دو تکنیک داده کاوی شبکه های عصبی مصنوعی و ماشین های بردار پشتیبان، استفاده شد ه است. نهایتا مقایسه بین عملکرد این دو تکنیک داده کاوی در پیش بینی مصارف حداکثر یاد شده صورت گرفته است. نتایج نشان می دهند که در پیش بینی مصرف حداکثر ماهانه در تهران شبکه های عصبی مصنوعی عملکرد بهتری نشان داده اند. همچنین در پیش بینی مصرف حداکثر روزانه در شهرستان کاشمر شبکه های عصبی مصنوعی و ماشین های بردار پشتیبان عملکرد بسیار نزدیک و مشابهی داشته اند.
- Abstract
- Water consumption pattern has some fluctuations in short term, midterm and long term intervals. Maximum consumptions are the most important part in these fluctuations. Study of maximum consumptions in short term and mid-term interval is necessary in operation management of reservoirs, and also in reliability assessment of water supply networks. Besides, water supply network’s capacity and pipe’s diameters are determined by the amount of maximum demand at the end of the plan period with consideration of peak factors. Water daily demand pattern that the peak factor of network are derived from, differs from one region to another, due to lots of factors like number of consumers and climate, so most of the references have emphasized on localization of these factors. In this study, according to existing defects in water consumption data recording and limitations in accessing to these data, efforts have been made to get one step closer to peak factors localization by calculating of peak daily demand factor in Tehran, and peak daily and hourly demand factors in Kashmar county. The result of data analysis shows that peak daily demand in Tehran has been varied between 1 and 1.3. Also the results shows that in Kashmar county peak hourly demand factors has been varied between 1.3 and 1.4, and peak daily demand has been varied between 1.6 and 1.9. Furthermore study of mid-term and short term fluctuations of water demand, peak monthly demand in Tehran and peak daily demand in Kashmar County, has been forecasted by means of two data mining methods: Artificial Neural Networks and Support Vector Machines. The results show that Artificial Neural Networks have better performance in prediction of peak monthly demand in Tehran, comparing to Support Vector Machines. Also, the results show that in prediction of peak daily demand in Kashmar County, Artificial Neural Networks and Support Vector Machines are resulted in very close outcomes.
