پديد آورنده :
ترابي فرد، فرشاد
عنوان :
بهينه سازي فازي عملكرد مخازن سدها در شرايط عدم قطعيت مطالعه موردي: مخزن سد زاينده رود
مقطع تحصيلي :
كارشناسي ارشد
محل تحصيل :
اصفهان: دانشگاه صنعتي اصفهان، دانشكده عمران
صفحه شمار :
[نه]،78ص.: مصور،جدول،نمودار
يادداشت :
ص.ع.به فارسي و انگليسي
استاد راهنما :
كيوان اصغري
توصيفگر ها :
الگوريتم جستجوي هارموني , ماشين هاي بردار پشتيبان
تاريخ نمايه سازي :
94/1/22
استاد داور :
آزاده احمدي، رامتين معيني
چكيده فارسي :
چكيده يكي از مهمترين مسائل در بهرهبرداري از منابع آب مديريت هدفمند در مخازن سدها است در بحث بهينهسازي عملكرد مخازن وجود عدم قطعيت و عدم صراحت بر پيچيدگي اين موضوع ميافزايد در اين تحقيق با استفاده از رويكرد فازي در بهينهسازي خروجي مخزن سد زايندهرود مدلي براي بهرهبرداري بههنگام از مخزن سد ارائه شده است براي تحقق اين مهم از الگوريتم فراكاوشي بهينهسازي جستجوي هارموني HS با رويكرد فازي و روش دادهمحور ماشينهاي بردار پشتيبان SVM استفاده شده است الگوريتم جستجوي هارموني از روشهاي بهينهسازي فراكاوشي است كه به علت عملكرد موفق مورد توجه قرار گرفته و روش SVM نيز از روشهاي قدرتمند در يادگيري معرفي شده است براي دستيابي به اهداف پاياننامه در يك فرايند دو مرحلهاي شامل بهينهسازي و پيشبيني رگرسيوني شيوه بهرهبرداري از مخزن تعيين ميگردد در مرحله اول مقادير خروجي بهينه با استفاده از الگوريتم هارموني فازي در دوره آماري 55 ساله بهدست ميآيد براي فازيسازي پارامترها و تابع هدف از توابع عضويت مطابق با شرايط حاكم بر مسئله استفاده شده است نتايج نشان از اين موضوع دارند كه مدل در سالهاي پرآب عالوه بر باال بردن درصد تامين نياز پتانسيلي براي ذخيرهسازي و باال بردن ميزان حجم ذخيره ايجاد ميكند در سالهاي كم آب استفاده از اين پتانسيل براي جبران كمبود آب و تعديل درصد تامين نياز توسط مدل در دستور كار قرار گرفته است در اين دوره آماري 55 ساله ميانگين درصد تامين آب نسبت به نياز ماهانه 4 47 درصد است مدل فازي الگوريتم هارموني در مقايسه با الگوريتم هارموني غيرفازي 3 درصد تابع هدف را بهبود دادهاست در مرحله دوم مدل يادگيري توسعه داده شده با روش SVM با استفاده از مقادير خروجي بهينه به دست آمده از مرحله اول به نحوي آموزش داده ميشود كه با استفاده از دادههاي معلوم گذشته مقادير بهينه خروجي در آينده را مشخص كند پارامترهاي موثر در آموزش مدل پيشنهادي شامل پارامترهاي رواناب ورودي نياز ماهانه و حجم اوليه مخزن است قرابت مقادير خطاهاي محاسبه شده مدل در مراحل آموزش و آزمون نشاندهنده عموميتپذيري مدل است نهايتا براي ارزيابي كارايي مدل عملكرد آن در بهرهبرداري از سيستم شبيهسازي شدهاست نتايج بهدست آمده براي تعميمپذيرترين پاسخ شامل 2 R برابر با 713 1 و RMSE برابر با 1 73 ميليون مترمكعب در مرحله آموزش و 2 R برابر با 273 1 و RMSE برابر با 13 73 ميليون مترمكعب در مرحله آزمون بود كليدواژه بهرهبرداري از مخازن بهينهسازي الگوريتم جستجوي هارموني فازي ماشينهاي بردار پشتيبان
چكيده انگليسي :
73 Fuzzy Optimization of Reservoir Operation under Uncertainty Farshad Torabifard f torabifard@cv iut ac ir 14 September 2014 Department of Civil Engineering Isfahan University of Technology Isfahan 84156 83111 IranDegree M Sc Language FarsiSupervisor Dr Keyvan Asghari kasghari@cc iut ac ir AbstractOne of the most important factors in utilizing the water resources is the quality management of the reservoirs Lack of decisiveness and certainty in optimization of reservoirs operation increases the complexity of thesubject In this research using a fuzzy approach in optimization of the reservoir release a real time operatingmodel has been presented for Zayandeh Rud dam To achieve this goal the Harmony Search HS algorithm integrated with fuzzy approach and the data basedprocedure of the Support Vector Machines SVM is used The harmony search algorithm as a robustevolutionary method and SVM as a machine learning method proved to be very useful in reservoir operation Reservoir operation in terms of forecasting the annual release policy is determined in a two steps process First the fuzzy optimization procedure determines the optimal release values based on historical inflows into thereservoir In the second step a data based regression model will be trained to forecast the future release policies For fuzzification of the parameters and objective function membership functions have been used according tothe terms and conditions governing the planning conditions The results show that the model in the years with sufficient water in addition to increasing the percentage ofproviding the demands initiates a potential for storing the water and increases the volume of storage rate In theyears with insufficient water the model will suggest utilizing this potential for compensating the shortage ofwater and balancing the water needs Throughout the period of 55 years the average percentage of providing water with respect to the demands is 75 per month The model of fuzzy harmony algorithm comparing to crisp harmony algorithm has improvedthe objective function by 6 Development of SVM model by using the values of optimized release found in the first step allows the systemto be trained based on rainfall and inflow to the reservoir from previous months in order to forecast the reservoiroutflow for future periods The effective parameters for training the suggested model include inflow runoff monthly demands and initial storage volume The proximity of the measured errors of the model in training andtesting stages shows that the model can be generalized The results found for the most generalization cases indicate R2 equals to 0 987 and RMSE equals to 17 3 millioncubic meters for training phase and R2 equals to 0 982 and RMSE equals to 17 98 million cubic meters fortesting phase Key WordsReservoir real time optimization Harmony search algorithm Fuzzy Support VectorMachines
استاد راهنما :
كيوان اصغري
استاد داور :
آزاده احمدي، رامتين معيني
