KaydedilenlerDerginizi ekleyin

Dergiler / Düzce Üniversitesi Bilim ve Teknoloji Dergisi / 2023 / Cilt: 11 Sayı: 4

Su Dağıtım Şebekelerinde Basınç Kaybına Neden Olan Boruların Yapay Bağışıklık Sistemleri ile Tespit Edilmesi

Detection of Pipes Causing Pressure Loss in Water Distribution Networks via Artificial Immune Systems

Mirac ERYİĞİT
Sayfa
2236–2245
Yayın Tarihi
2023-10-24
DOI
—
🏛️Bu makalenin bibliyografik verileri ve tam metin bağlantısı DergiPark üzerinden sağlanmıştır.
DergiPark Kaydı ↗
✨

Yapay Zeka Hızlı Bakış & Çıkarımlar

AI Insight
⚡ TL;DR(1 Cümlede Hızlı Çıkarım)

Bu çalışmada, su dağıtım şebekelerinde basınç kaybına neden olan düşük Hazen-Williams pürüzlülük katsayısına sahip eskimiş boruların belirlenmesi için model kalibrasyonuna bağlı Yapay Bağışıklık Sistemlerini kullanan bir optimizasyon modeli önerilmektedir.

📌 3 Maddede Bu Makale

🎯
Amaç & Hipotez:Bu çalışmada, su dağıtım şebekelerinde basınç kaybına neden olan düşük Hazen-Williams pürüzlülük katsayısına sahip eskimiş boruların belirlenmesi için model kalibrasyonuna bağlı Yapay Bağışıklık Sistemlerini kullanan bir optimizasyon modeli önerilmektedir.
📊
Temel Bulgular & Veri:Sezgisel optimizasyon yöntemi olarak Yapay Bağışıklık Sistemlerinden biri olan modifiye Klonal Seçim Algoritması kullanılmıştır.
💡
Sonuç & Katkı:Elde edilen sonuçlara göre, su dağıtım şebekelerindeki yüksek basınç kayıplarına neden olan eskimiş boruların tespit edilmesinde modelin gelecek vaat ettiği görülmüştür
🔬Tür:Modelleme & Sayısal Simülasyon
📍Kapsam:Genişletilmiş Akademik Örneklem
⚙️Değişkenler:Basınç kaybı · Su Dağıtım Şebekeleri · Optimizasyon

Özet

Bu çalışmada, su dağıtım şebekelerinde basınç kaybına neden olan düşük Hazen-Williams pürüzlülük katsayısına sahip eskimiş boruların belirlenmesi için model kalibrasyonuna bağlı Yapay Bağışıklık Sistemlerini kullanan bir optimizasyon modeli önerilmektedir. Sezgisel optimizasyon yöntemi olarak Yapay Bağışıklık Sistemlerinden biri olan modifiye Klonal Seçim Algoritması kullanılmıştır. Modelin performansını test etmek için, sürekli-kararlı koşullar altında dört gözlü farazi (sanal) bir su dağıtım şebekesinde model uygulanmıştır. Elde edilen sonuçlara göre, su dağıtım şebekelerindeki yüksek basınç kayıplarına neden olan eskimiş boruların tespit edilmesinde modelin gelecek vaat ettiği görülmüştür

Abstract

This paper proposes the optimization model using Artificial Immune Systems, depending on a model calibration, in order to determine worn out pipes with low Hazen-Williams roughness coefficient causing pressure loss in the water distribution networks. The modified Clonal Selection Algorithm, a type of Artificial Immune Systems, was used as a heuristic optimization method. In order to evaluate its performance, the model was implemented to the four-loop hypothetical water distribution network under steady-state conditions. According to the results, the model appeared to be promising in the detection of old pipes causing high pressure losses in the water distribution networks

🔖

Bu Makaleye Atıf Yap

ERYİĞİT, M. (2023). Su Dağıtım Şebekelerinde Basınç Kaybına Neden Olan Boruların Yapay Bağışıklık Sistemleri ile Tespit Edilmesi. Düzce Üniversitesi Bilim ve Teknoloji Dergisi, Cilt: 11 Sayı: 4, 2236–2245. https://ajindex.com/articles/971518

📄 Tam Metin PDF Okuyucu

📄

PDF görüntüleyici hazırlanıyor...

Kaynakça (11)

  1. W.B.F. De Schaetzen, G.A. Walters, and D.A. Savic, “Optimal sampling design for model calibration using shortest path, genetic and entropy algorithms,” Urban Water Journal, vol. 2, no. 2, pp. 141-152, 2000
  2. T.M. Walski, “Understanding the adjustments for water distribution system model calibration,” Journal of Indian Water Works Association, vol. 33, no. 2, pp. 151-157, 2001
  3. Z.Y. Wu, T. Walski, R. Mankowski, J. Cook, M. Tryby, and G. Herrin, “Calibrating water distribution model via genetic algorithms,” Proceedings of the AWWA IMTech Conference, Kansas City, Missouri, US, 2002, pp. 1-10
  4. D. Savic, Z. Kapelan, and P.M.R. Jonkergouw, “Quo vadis water distribution model calibration?,” Urban Water Journal, vol. 6, no. 1, pp. 3-22, 2009
  5. A. Ostfeld, E. Salomons, L. Ormsbee, J.G. Uber, C.M. Bros, P. Kalungi, R. Burd, B. Zazula-Coetzee, T. Belrain, D. Kang, K. Lansey, H. Shen, E. McBean, Z.Y. Wu, T. Walski, S. Alvisi, M. Franchini, J.P. Johnson, S.R. Ghimire, B.D. Barkdoll, T. Koppel, A. Vassiljev, J.H. Kim, G. Chung, D.G. Yoo, K. Diao, Y. Zhou, J. Li, Z. Liu, K. Chang, J. Gao, S. Qu, Y. Yuan, T.D. Prasad, D. Laucelli, L.S. Vamvakeridou Lyroudia, Z. Kapelan, D. Savic, L. Berardi, G. Barbaro, O. Giustolisi, M. Asadzadeh, B.A. Tolson, and R. McKillop, “Battle of the water calibration networks,” Journal of Water Resources Planning and Management, vol. 138, no. 5, pp. 523-532, 2012
  6. Z.S. Kapelan, D.A. Savic, and G.A Walters, “A hybrid inverse transient model for leakage detection and roughness calibration in pipe networks,” Journal of Hydraulic Research, vol. 41, no. 5, pp. 481-492, 2003
  7. S. Lingireddy and L.E. Ormsbee, “Hydraulic network calibration using genetic optimization,” Civil Engineering and Environmental Systems, vol. 19, no. 1, pp.13-39, 2002
  8. M. Jamasb, M. Tabesh, and M. Rahimi, “Calibration of EPANET using genetic algorithm,” Water Distribution Systems Analysis, Kruger National Park, South Africa, 2008, pp. 881-889
  9. T. Boczar, N. Adamikiewicz, and W. Stanisławski, “Calibration of parameters of water supply network model using genetic algorithm,” International Conference Energy, Environment and Material Systems (EEMS 2017), Polanica-Zdrój, Poland, 2017, pp. 1-4
  10. T.D. Prasad, “A clonal selection algorithm for the C-Town network calibration,” ASCE Water Distribution Systems Analysis (WDSA), Tucson, AZ, USA, 2010, pp. 1652-1663
  11. M. Dini and M. Tabesh, “A new method for simultaneous calibration of demand pattern