بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)

در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد. Ausführliche Beschreibung

Gespeichert in:

Autor*in:	آرش آذری [verfasserIn] علی آرمان [verfasserIn]

Format:	E-Artikel
Sprache:	Persisch

Erschienen:	2020

Schlagwörter:	هوش مصنوعی بهینه سازی بهره برداری به هنگام الگوریتم فراکاوشی weap

Übergeordnetes Werk:	In: علوم و مهندسی آبیاری - Shahid Chamran University of Ahvaz, 2020, 43(2020), 1, Seite 189-204
Übergeordnetes Werk:	volume:43 ; year:2020 ; number:1 ; pages:189-204

Links:	Link aufrufen Link aufrufen Link aufrufen Journal toc Journal toc

DOI / URN:	10.22055/jise.2018.23042.1639

Katalog-ID:	DOAJ078293316

Internformat


LEADER	01000caa a22002652 4500
001	DOAJ078293316
003	DE-627
005	20230309155813.0
007	cr uuu---uuuuu
008	230228s2020 xx \|\|\|\|\|o 00\| \|\|per c
024	7		\|a 10.22055/jise.2018.23042.1639 \|2 doi
035			\|a (DE-627)DOAJ078293316
035			\|a (DE-599)DOAJ25e8457920554821881f2c18e0fcd3ca
040			\|a DE-627 \|b ger \|c DE-627 \|e rakwb
041			\|a per
050		0	\|a TC1-978
050		0	\|a TC801-978
100	0		\|a آرش آذری \|e verfasserin \|4 aut
245	1	0	\|a بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)
264		1	\|c 2020
336			\|a Text \|b txt \|2 rdacontent
337			\|a Computermedien \|b c \|2 rdamedia
338			\|a Online-Ressource \|b cr \|2 rdacarrier
520			\|a در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد.
650		4	\|a هوش مصنوعی
650		4	\|a بهینه سازی
650		4	\|a بهره برداری به هنگام
650		4	\|a الگوریتم فراکاوشی
650		4	\|a weap
653		0	\|a Hydraulic engineering
653		0	\|a Irrigation engineering. Reclamation of wasteland. Drainage
700	0		\|a علی آرمان \|e verfasserin \|4 aut
773	0	8	\|i In \|t علوم و مهندسی آبیاری \|d Shahid Chamran University of Ahvaz, 2020 \|g 43(2020), 1, Seite 189-204 \|w (DE-627)1760638013 \|x 25885960 \|7 nnns
773	1	8	\|g volume:43 \|g year:2020 \|g number:1 \|g pages:189-204
856	4	0	\|u https://doi.org/10.22055/jise.2018.23042.1639 \|z kostenfrei
856	4	0	\|u https://doaj.org/article/25e8457920554821881f2c18e0fcd3ca \|z kostenfrei
856	4	0	\|u http://jise.scu.ac.ir/article_14337_aa5c541a4baaaf3ee96a42af0b5ec293.pdf \|z kostenfrei
856	4	2	\|u https://doaj.org/toc/2588-5952 \|y Journal toc \|z kostenfrei
856	4	2	\|u https://doaj.org/toc/2588-5960 \|y Journal toc \|z kostenfrei
912			\|a GBV_USEFLAG_A
912			\|a SYSFLAG_A
912			\|a GBV_DOAJ
951			\|a AR
952			\|d 43 \|j 2020 \|e 1 \|h 189-204

Indexfelder

author_variant	آ آ آآ ع آ عآ
matchkey_str	article:25885960:2020----::s
hierarchy_sort_str	2020
callnumber-subject-code	TC
publishDate	2020
allfields	10.22055/jise.2018.23042.1639 doi (DE-627)DOAJ078293316 (DE-599)DOAJ25e8457920554821881f2c18e0fcd3ca DE-627 ger DE-627 rakwb per TC1-978 TC801-978 آرش آذری verfasserin aut بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان) 2020 Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد. هوش مصنوعی بهینه سازی بهره برداری به هنگام الگوریتم فراکاوشی weap Hydraulic engineering Irrigation engineering. Reclamation of wasteland. Drainage علی آرمان verfasserin aut In علوم و مهندسی آبیاری Shahid Chamran University of Ahvaz, 2020 43(2020), 1, Seite 189-204 (DE-627)1760638013 25885960 nnns volume:43 year:2020 number:1 pages:189-204 https://doi.org/10.22055/jise.2018.23042.1639 kostenfrei https://doaj.org/article/25e8457920554821881f2c18e0fcd3ca kostenfrei http://jise.scu.ac.ir/article_14337_aa5c541a4baaaf3ee96a42af0b5ec293.pdf kostenfrei https://doaj.org/toc/2588-5952 Journal toc kostenfrei https://doaj.org/toc/2588-5960 Journal toc kostenfrei GBV_USEFLAG_A SYSFLAG_A GBV_DOAJ AR 43 2020 1 189-204
spelling	10.22055/jise.2018.23042.1639 doi (DE-627)DOAJ078293316 (DE-599)DOAJ25e8457920554821881f2c18e0fcd3ca DE-627 ger DE-627 rakwb per TC1-978 TC801-978 آرش آذری verfasserin aut بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان) 2020 Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد. هوش مصنوعی بهینه سازی بهره برداری به هنگام الگوریتم فراکاوشی weap Hydraulic engineering Irrigation engineering. Reclamation of wasteland. Drainage علی آرمان verfasserin aut In علوم و مهندسی آبیاری Shahid Chamran University of Ahvaz, 2020 43(2020), 1, Seite 189-204 (DE-627)1760638013 25885960 nnns volume:43 year:2020 number:1 pages:189-204 https://doi.org/10.22055/jise.2018.23042.1639 kostenfrei https://doaj.org/article/25e8457920554821881f2c18e0fcd3ca kostenfrei http://jise.scu.ac.ir/article_14337_aa5c541a4baaaf3ee96a42af0b5ec293.pdf kostenfrei https://doaj.org/toc/2588-5952 Journal toc kostenfrei https://doaj.org/toc/2588-5960 Journal toc kostenfrei GBV_USEFLAG_A SYSFLAG_A GBV_DOAJ AR 43 2020 1 189-204
allfields_unstemmed	10.22055/jise.2018.23042.1639 doi (DE-627)DOAJ078293316 (DE-599)DOAJ25e8457920554821881f2c18e0fcd3ca DE-627 ger DE-627 rakwb per TC1-978 TC801-978 آرش آذری verfasserin aut بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان) 2020 Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد. هوش مصنوعی بهینه سازی بهره برداری به هنگام الگوریتم فراکاوشی weap Hydraulic engineering Irrigation engineering. Reclamation of wasteland. Drainage علی آرمان verfasserin aut In علوم و مهندسی آبیاری Shahid Chamran University of Ahvaz, 2020 43(2020), 1, Seite 189-204 (DE-627)1760638013 25885960 nnns volume:43 year:2020 number:1 pages:189-204 https://doi.org/10.22055/jise.2018.23042.1639 kostenfrei https://doaj.org/article/25e8457920554821881f2c18e0fcd3ca kostenfrei http://jise.scu.ac.ir/article_14337_aa5c541a4baaaf3ee96a42af0b5ec293.pdf kostenfrei https://doaj.org/toc/2588-5952 Journal toc kostenfrei https://doaj.org/toc/2588-5960 Journal toc kostenfrei GBV_USEFLAG_A SYSFLAG_A GBV_DOAJ AR 43 2020 1 189-204
allfieldsGer	10.22055/jise.2018.23042.1639 doi (DE-627)DOAJ078293316 (DE-599)DOAJ25e8457920554821881f2c18e0fcd3ca DE-627 ger DE-627 rakwb per TC1-978 TC801-978 آرش آذری verfasserin aut بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان) 2020 Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد. هوش مصنوعی بهینه سازی بهره برداری به هنگام الگوریتم فراکاوشی weap Hydraulic engineering Irrigation engineering. Reclamation of wasteland. Drainage علی آرمان verfasserin aut In علوم و مهندسی آبیاری Shahid Chamran University of Ahvaz, 2020 43(2020), 1, Seite 189-204 (DE-627)1760638013 25885960 nnns volume:43 year:2020 number:1 pages:189-204 https://doi.org/10.22055/jise.2018.23042.1639 kostenfrei https://doaj.org/article/25e8457920554821881f2c18e0fcd3ca kostenfrei http://jise.scu.ac.ir/article_14337_aa5c541a4baaaf3ee96a42af0b5ec293.pdf kostenfrei https://doaj.org/toc/2588-5952 Journal toc kostenfrei https://doaj.org/toc/2588-5960 Journal toc kostenfrei GBV_USEFLAG_A SYSFLAG_A GBV_DOAJ AR 43 2020 1 189-204
allfieldsSound	10.22055/jise.2018.23042.1639 doi (DE-627)DOAJ078293316 (DE-599)DOAJ25e8457920554821881f2c18e0fcd3ca DE-627 ger DE-627 rakwb per TC1-978 TC801-978 آرش آذری verfasserin aut بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان) 2020 Text txt rdacontent Computermedien c rdamedia Online-Ressource cr rdacarrier در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد. هوش مصنوعی بهینه سازی بهره برداری به هنگام الگوریتم فراکاوشی weap Hydraulic engineering Irrigation engineering. Reclamation of wasteland. Drainage علی آرمان verfasserin aut In علوم و مهندسی آبیاری Shahid Chamran University of Ahvaz, 2020 43(2020), 1, Seite 189-204 (DE-627)1760638013 25885960 nnns volume:43 year:2020 number:1 pages:189-204 https://doi.org/10.22055/jise.2018.23042.1639 kostenfrei https://doaj.org/article/25e8457920554821881f2c18e0fcd3ca kostenfrei http://jise.scu.ac.ir/article_14337_aa5c541a4baaaf3ee96a42af0b5ec293.pdf kostenfrei https://doaj.org/toc/2588-5952 Journal toc kostenfrei https://doaj.org/toc/2588-5960 Journal toc kostenfrei GBV_USEFLAG_A SYSFLAG_A GBV_DOAJ AR 43 2020 1 189-204
language	Persian
source	In علوم و مهندسی آبیاری 43(2020), 1, Seite 189-204 volume:43 year:2020 number:1 pages:189-204
sourceStr	In علوم و مهندسی آبیاری 43(2020), 1, Seite 189-204 volume:43 year:2020 number:1 pages:189-204
format_phy_str_mv	Article
institution	findex.gbv.de
topic_facet	هوش مصنوعی بهینه سازی بهره برداری به هنگام الگوریتم فراکاوشی weap Hydraulic engineering Irrigation engineering. Reclamation of wasteland. Drainage
isfreeaccess_bool	true
container_title	علوم و مهندسی آبیاری
authorswithroles_txt_mv	آرش آذری @@aut@@ علی آرمان @@aut@@
publishDateDaySort_date	2020-01-01T00:00:00Z
hierarchy_top_id	1760638013
id	DOAJ078293316
language_de	persisch
fullrecord	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01000caa a22002652 4500</leader><controlfield tag="001">DOAJ078293316</controlfield><controlfield tag="003">DE-627</controlfield><controlfield tag="005">20230309155813.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">230228s2020 xx \|\|\|\|\|o 00\| \|\|per c</controlfield><datafield tag="024" ind1="7" ind2=" "><subfield code="a">10.22055/jise.2018.23042.1639</subfield><subfield code="2">doi</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627)DOAJ078293316</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DOAJ25e8457920554821881f2c18e0fcd3ca</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">per</subfield></datafield><datafield tag="050" ind1=" " ind2="0"><subfield code="a">TC1-978</subfield></datafield><datafield tag="050" ind1=" " ind2="0"><subfield code="a">TC801-978</subfield></datafield><datafield tag="100" ind1="0" ind2=" "><subfield code="a">آرش آذری</subfield><subfield code="e">verfasserin</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="c">2020</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">Computermedien</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Online-Ressource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد.</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">هوش مصنوعی</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">بهینه سازی</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">بهره برداری به هنگام</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">الگوریتم فراکاوشی</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">weap</subfield></datafield><datafield tag="653" ind1=" " ind2="0"><subfield code="a">Hydraulic engineering</subfield></datafield><datafield tag="653" ind1=" " ind2="0"><subfield code="a">Irrigation engineering. Reclamation of wasteland. Drainage</subfield></datafield><datafield tag="700" ind1="0" ind2=" "><subfield code="a">علی آرمان</subfield><subfield code="e">verfasserin</subfield><subfield code="4">aut</subfield></datafield><datafield tag="773" ind1="0" ind2="8"><subfield code="i">In</subfield><subfield code="t">علوم و مهندسی آبیاری</subfield><subfield code="d">Shahid Chamran University of Ahvaz, 2020</subfield><subfield code="g">43(2020), 1, Seite 189-204</subfield><subfield code="w">(DE-627)1760638013</subfield><subfield code="x">25885960</subfield><subfield code="7">nnns</subfield></datafield><datafield tag="773" ind1="1" ind2="8"><subfield code="g">volume:43</subfield><subfield code="g">year:2020</subfield><subfield code="g">number:1</subfield><subfield code="g">pages:189-204</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">https://doi.org/10.22055/jise.2018.23042.1639</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">https://doaj.org/article/25e8457920554821881f2c18e0fcd3ca</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">http://jise.scu.ac.ir/article_14337_aa5c541a4baaaf3ee96a42af0b5ec293.pdf</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="u">https://doaj.org/toc/2588-5952</subfield><subfield code="y">Journal toc</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="u">https://doaj.org/toc/2588-5960</subfield><subfield code="y">Journal toc</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_USEFLAG_A</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">SYSFLAG_A</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_DOAJ</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">AR</subfield></datafield><datafield tag="952" ind1=" " ind2=" "><subfield code="d">43</subfield><subfield code="j">2020</subfield><subfield code="e">1</subfield><subfield code="h">189-204</subfield></datafield></record></collection>
callnumber-first	T - Technology
author	آرش آذری
spellingShingle	آرش آذری misc TC1-978 misc TC801-978 misc هوش مصنوعی misc بهینه سازی misc بهره برداری به هنگام misc الگوریتم فراکاوشی misc weap misc Hydraulic engineering misc Irrigation engineering. Reclamation of wasteland. Drainage بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)
authorStr	آرش آذری
ppnlink_with_tag_str_mv	@@773@@(DE-627)1760638013
format	electronic Article
delete_txt_mv	keep
author_role	aut aut
collection	DOAJ
remote_str	true
callnumber-label	TC1-978
illustrated	Not Illustrated
issn	25885960
topic_title	TC1-978 TC801-978 بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان) هوش مصنوعی بهینه سازی بهره برداری به هنگام الگوریتم فراکاوشی weap
topic	misc TC1-978 misc TC801-978 misc هوش مصنوعی misc بهینه سازی misc بهره برداری به هنگام misc الگوریتم فراکاوشی misc weap misc Hydraulic engineering misc Irrigation engineering. Reclamation of wasteland. Drainage
topic_unstemmed	misc TC1-978 misc TC801-978 misc هوش مصنوعی misc بهینه سازی misc بهره برداری به هنگام misc الگوریتم فراکاوشی misc weap misc Hydraulic engineering misc Irrigation engineering. Reclamation of wasteland. Drainage
topic_browse	misc TC1-978 misc TC801-978 misc هوش مصنوعی misc بهینه سازی misc بهره برداری به هنگام misc الگوریتم فراکاوشی misc weap misc Hydraulic engineering misc Irrigation engineering. Reclamation of wasteland. Drainage
format_facet	Elektronische Aufsätze Aufsätze Elektronische Ressource
format_main_str_mv	Text Zeitschrift/Artikel
carriertype_str_mv	cr
hierarchy_parent_title	علوم و مهندسی آبیاری
hierarchy_parent_id	1760638013
hierarchy_top_title	علوم و مهندسی آبیاری
isfreeaccess_txt	true
familylinks_str_mv	(DE-627)1760638013
title	بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)
ctrlnum	(DE-627)DOAJ078293316 (DE-599)DOAJ25e8457920554821881f2c18e0fcd3ca
title_full	بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)
author_sort	آرش آذری
journal	علوم و مهندسی آبیاری
journalStr	علوم و مهندسی آبیاری
callnumber-first-code	T
lang_code	per
isOA_bool	true
recordtype	marc
publishDateSort	2020
contenttype_str_mv	txt
container_start_page	189
author_browse	آرش آذری علی آرمان
container_volume	43
class	TC1-978 TC801-978
format_se	Elektronische Aufsätze
author-letter	آرش آذری
doi_str_mv	10.22055/jise.2018.23042.1639
author2-role	verfasserin
title_sort	بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم nsga-ii و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)
callnumber	TC1-978
title_auth	بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)
abstract	در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد.
abstractGer	در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد.
abstract_unstemmed	در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد.
collection_details	GBV_USEFLAG_A SYSFLAG_A GBV_DOAJ
container_issue	1
title_short	بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)
url	https://doi.org/10.22055/jise.2018.23042.1639 https://doaj.org/article/25e8457920554821881f2c18e0fcd3ca http://jise.scu.ac.ir/article_14337_aa5c541a4baaaf3ee96a42af0b5ec293.pdf https://doaj.org/toc/2588-5952 https://doaj.org/toc/2588-5960
remote_bool	true
author2	علی آرمان
author2Str	علی آرمان
ppnlink	1760638013
callnumber-subject	TC - Hydraulic and Ocean Engineering
mediatype_str_mv	c
isOA_txt	true
hochschulschrift_bool	false
doi_str	10.22055/jise.2018.23042.1639
callnumber-a	TC1-978
up_date	2024-07-03T17:05:35.624Z
_version_	1803578334910611456
fullrecord_marcxml	<?xml version="1.0" encoding="UTF-8"?><collection xmlns="http://www.loc.gov/MARC21/slim"><record><leader>01000caa a22002652 4500</leader><controlfield tag="001">DOAJ078293316</controlfield><controlfield tag="003">DE-627</controlfield><controlfield tag="005">20230309155813.0</controlfield><controlfield tag="007">cr uuu---uuuuu</controlfield><controlfield tag="008">230228s2020 xx \|\|\|\|\|o 00\| \|\|per c</controlfield><datafield tag="024" ind1="7" ind2=" "><subfield code="a">10.22055/jise.2018.23042.1639</subfield><subfield code="2">doi</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-627)DOAJ078293316</subfield></datafield><datafield tag="035" ind1=" " ind2=" "><subfield code="a">(DE-599)DOAJ25e8457920554821881f2c18e0fcd3ca</subfield></datafield><datafield tag="040" ind1=" " ind2=" "><subfield code="a">DE-627</subfield><subfield code="b">ger</subfield><subfield code="c">DE-627</subfield><subfield code="e">rakwb</subfield></datafield><datafield tag="041" ind1=" " ind2=" "><subfield code="a">per</subfield></datafield><datafield tag="050" ind1=" " ind2="0"><subfield code="a">TC1-978</subfield></datafield><datafield tag="050" ind1=" " ind2="0"><subfield code="a">TC801-978</subfield></datafield><datafield tag="100" ind1="0" ind2=" "><subfield code="a">آرش آذری</subfield><subfield code="e">verfasserin</subfield><subfield code="4">aut</subfield></datafield><datafield tag="245" ind1="1" ind2="0"><subfield code="a">بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)</subfield></datafield><datafield tag="264" ind1=" " ind2="1"><subfield code="c">2020</subfield></datafield><datafield tag="336" ind1=" " ind2=" "><subfield code="a">Text</subfield><subfield code="b">txt</subfield><subfield code="2">rdacontent</subfield></datafield><datafield tag="337" ind1=" " ind2=" "><subfield code="a">Computermedien</subfield><subfield code="b">c</subfield><subfield code="2">rdamedia</subfield></datafield><datafield tag="338" ind1=" " ind2=" "><subfield code="a">Online-Ressource</subfield><subfield code="b">cr</subfield><subfield code="2">rdacarrier</subfield></datafield><datafield tag="520" ind1=" " ind2=" "><subfield code="a">در این تحقیق از ترکیب الگوریتم چندهدفه NSGA-II و مدل شبیهساز WEAP برای استخراج سیاستهای بهینه بهرهبرداری از مخزن در قالب بهینهسازی معین استفاده شد. طوریکه در آن، هدف اول، حداکثر نمودن اطمینانپذیری تأمین نیازها در مقابل هدف دوم یعنی حداقل نمودن میزان تخطی ناشی از عدم تأمین نیازها و تخطی از ظرفیت مخزن در طول دوره بهرهبرداری قرار گرفت. اما جوابهای بهینه یعنی مقدار رهاسازی از مخزن قابل تعمیم برای سایر ورودیهای محتمل به مخزن نیستند. در صورت تغییر جریان ورودی به مخازن جوابهای بهینه بهدست آمده کارایی نداشته و باید بهرهبرداری از سیستم در قالب الگوریتم بهینهساز مجددا بهینه گردد. لذا برای حل این مشکل روش جدیدی بر اساس تلفیق روش ماشین بردار پشتیبان و الگوریتم NSGA-II برای بهرهبرداری بهینه از سیستم در زمان واقعی توسعه داده شد. نتایج نشان داد میانگین خطای قوانین بهینه مستخرج از ماشینهای بردار پشتیبان نسبت به خروجی الگوریتم NSGA-II در مرحله صحتسنجی کمتر از 10 درصد است که نشان دهنده کارایی این روش در پیشبینی الگوی بهینه منحنی فرمان سد در زمان واقعی است. در این ساختار میتوان بر اساس جریان ورودی به مخزن، حجم ذخیره آب در مخزن و تغییرات ذخیره مخزن (در ابتدای ماه) و نیازهای پاییندست در ماه حاضر، مقدار رهاسازی بهینه را در زمان واقعی بهدست آورد. روش مورد استفاده این قابلیت را داشته که با توجه به ورودیهای جدید جریان به سد، سریعا سیاستهای بهره برداری بهینه را به نحوی در اختیار قرار دهد که امکان مدیریت بهینه سیستم در زمان واقعی فراهم گردد.</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">هوش مصنوعی</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">بهینه سازی</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">بهره برداری به هنگام</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">الگوریتم فراکاوشی</subfield></datafield><datafield tag="650" ind1=" " ind2="4"><subfield code="a">weap</subfield></datafield><datafield tag="653" ind1=" " ind2="0"><subfield code="a">Hydraulic engineering</subfield></datafield><datafield tag="653" ind1=" " ind2="0"><subfield code="a">Irrigation engineering. Reclamation of wasteland. Drainage</subfield></datafield><datafield tag="700" ind1="0" ind2=" "><subfield code="a">علی آرمان</subfield><subfield code="e">verfasserin</subfield><subfield code="4">aut</subfield></datafield><datafield tag="773" ind1="0" ind2="8"><subfield code="i">In</subfield><subfield code="t">علوم و مهندسی آبیاری</subfield><subfield code="d">Shahid Chamran University of Ahvaz, 2020</subfield><subfield code="g">43(2020), 1, Seite 189-204</subfield><subfield code="w">(DE-627)1760638013</subfield><subfield code="x">25885960</subfield><subfield code="7">nnns</subfield></datafield><datafield tag="773" ind1="1" ind2="8"><subfield code="g">volume:43</subfield><subfield code="g">year:2020</subfield><subfield code="g">number:1</subfield><subfield code="g">pages:189-204</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">https://doi.org/10.22055/jise.2018.23042.1639</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">https://doaj.org/article/25e8457920554821881f2c18e0fcd3ca</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="856" ind1="4" ind2="0"><subfield code="u">http://jise.scu.ac.ir/article_14337_aa5c541a4baaaf3ee96a42af0b5ec293.pdf</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="u">https://doaj.org/toc/2588-5952</subfield><subfield code="y">Journal toc</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="856" ind1="4" ind2="2"><subfield code="u">https://doaj.org/toc/2588-5960</subfield><subfield code="y">Journal toc</subfield><subfield code="z">kostenfrei</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_USEFLAG_A</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">SYSFLAG_A</subfield></datafield><datafield tag="912" ind1=" " ind2=" "><subfield code="a">GBV_DOAJ</subfield></datafield><datafield tag="951" ind1=" " ind2=" "><subfield code="a">AR</subfield></datafield><datafield tag="952" ind1=" " ind2=" "><subfield code="d">43</subfield><subfield code="j">2020</subfield><subfield code="e">1</subfield><subfield code="h">189-204</subfield></datafield></record></collection>
score	7.4006968

Nicht das Richtige dabei?

Schreiben Sie uns!

بهره برداری بهینه منابع آب در زمان واقعی بر اساس الگوریتم NSGA-II و ماشین های بردار پشتیبان (مطالعه موردی: سد گاوشان)

Nicht das Richtige dabei?

Zugang & Verfügbarkeit

Vorhandene Bände

Nicht das Richtige dabei?