دانلود پروپوزال آماده: تدوین مدلی برای کاربرد در برآورد خسارت کاویتاسیون در سرریزهای روگذر سدها به روش نزدیکترین همسایگی

قسمت هایی از پروپوزال:

۱- بیان مسأله:

……………………………

۲- اهمیت و ضرورت تحقیق:

……………………………

۳- پیشینه تحقیق:

نزديکترين همسايه يک الگوريتم تعليم با سرپرستي است. در حالت کلي از اين الگوريتم به دو منظور استفاده مي شود: براي تخمين تابع چگالي توزيع داده هاي تعليم و براي طبقه ­بندي داده هاي تست بر اساس الگوهاي تعليم.

در مطالعه ای از روش برآورد رگرسیونی نزدیکترین همسایه برای برآورد سریهای زمانی مارکف استفاده گردید (Yakowitz, 1993).

در تحقیقی برآورد رگرسیونی غیرپارامتریک تحت نمونه برداری قراردادی با یک توزیع ناشناخته بررسی گردید. تاثیر توزیع طرح که پارامتری مزاحم است، می­تواند در شرطی سازی حذف گردد. حد بالایی برای میانگین مربعات خطای مشروط برآوردهای k-NN، ما را برای درنظر گرفتن تعداد بهینه همسایگی راهنمایی می کند که تابع تصادفی از نمونه برداری است. برآوردهای مربوطه را می توان برای استنتاج های غیرتقریبی استفاده کرد که تحت شرایط حداقل بازگشت نیز سازگار است (Guerre, 2000).

برآورد سری های زمانی نزدیکترین همسایه برای داده های ایجاد شده بوسیله زنجیره مارکف در فضای حالت کلی بررسی گردید. نشان داده شد که برآورد نزدیکترین همسایه با استفاده از شرایط ضعیف و ساده در زمینه سری های زمانی کلی سازگار است. نتایج برای انواع مسائل مانند برآورد تابع اتورگرسیون اثبات شد. در نهایت تحت شرایط اضافه نشان داده شد که برآوردگرها بطور تقریبی نرمال هستند (Sancetta, 2009).

در مطالعه ای سعی شده است تا با توجه به سابقه سيلاب­های به وقوع پيوسته در سيستم رودخانه- مخزن کارون، بهينه­سازی بهره­برداری از سد شهيد عباسپور به نوعی صورت گيرد که ميزان تجاوز دبی خروجی از دبی سالم رودخانه پايين­دست حداقل شود. به منظور بهينه­سازی اين سيستم از مدل الگوريتم ژنتيک استفاده شد. خروجی بهينه تدوين شده توسط مدل با استفاده از روش K- نزديکترين همسايه (K-NN) جهت تدوين سياست­های بهره­برداری در زمان سيلاب استفاده شده که نتايج شبيه­سازی عملکرد مخزن در چند سيلاب مهم به وقوع پيوسته در سال­های اخير نشانگر کارايی اين سياست­ها بود (زهرایی و تکشی، ۱۳۸۵).

در تحقیقی سعی شد با توجه به سابقه سيلاب هاي به وقوع پيوسته در سيستم رودخانه- مخزن كارون، بهينه سازي بهره برداري از سد شهيد عباسپور به نوعي صورت گيرد كه ميزان تجاوز دبي خروجي از دبي سالم رودخانه پايين دست حداقل شود. به منظور تعيين خروجي هاي مخزن در شرايط سيلابي از مدل الگوريتم ژنتيك كه به همين منظور تدوين شده، استفاده گردید. تابع هدف اين مدل به صورت پارامتري در نظر گرفته شد، بدين معني كه نسبت خسارت با توجه به ميزان تجاوز جريان از حد مجاز توسط مدل تعيين گردید. كارايي مدل ژنتيك با سيلاب هاي تاريخي و سيلاب هاي بازسازي شده با دوره بازگشت ۵۰ ساله بررسي شد. خروجي مدل الگوريتم ژنتيك با استفاده از روش –K نزديكترين همسايه (K-NN) جهت تدوين سياست هاي بهره برداري در زمان سيلاب استفاده شد و نتايج آن با معادله رگرسيون خطي براي شبيه سازي مقايسه گردید. نتايج به دست آمده از اين دو مدل بيانگر كارايي آنها در تدوين سياست بهره برداري از سد درزمان وقوع سيلاب بود (زهرایی و تکشی، ۱۳۸۷).

در مطالعه ای از روش نزدیکترین همسایه با یک تاخیر (K-NN) برای شبیه سازی جریان تصادفی استفاده گردید. شبیه سازی در هر زمان t، مقدار آن را در زمان t-1 را در دو گام می دهد:
۱) بدست آوردن میانگین شرطی از پلی نومیال محلی فیت شده به مقادیر قبلی زمان t و t-1 و
۲) سپس نمونه گیری مجدد یک باقیمانده در مشاهدات قبلی و اضافه کردن آن به میانگین شرطی. دوباره باقیمانده ها با استفاده از یک متریک احتمالاتی که وزن بیشتری به نزدیکترین همسایه و کمترین وزن را به دورترین آنها می دهد، نمونه برداری می شوند. گام نمونه برداری مجدد از باقیمانده ها، اصلاحی بر روش سری های زمانی K-NN قبلی است که قادر به تولید مقادیری میباشد که در گزارش های قبلی موجود نمی باشد. این مدل برای جریان ماهانه در معیار سیلاب Lees Ferry در رودخانه کولورادو^[۱] بکار برده شد و با پیش بینی های پارامتریک اتورگرسیو و روش ترتیبی شاخص غیرپارامتریک برای تولید جریان سیلاب مقایسه شدند. روش K-NN اصلاحی کارایی بهتری را نشان داد (Prairie et al., 2006).

مروری کلی بر تکنیک های غیرپارامتریک توسط Lall (1995) ارائه شده است. روش بر اساس هسته برای تولید جریان سیلاب در ابتدا توسط Sharma et al (1997)  و Tarboton et al. (1998) توسعه داده شد. این روش ها بطور موفقیت آمیزی برای مدلسازی باران (Lall et al., 1996; Harrold et al., 2003b)، تناوب سیلاب (Lall et al., 1993; Moon and Lall, 1994) و پیش بینی جریان آبراهه (Smith, 1991) نیز بکار برده شدند. استفاده از این روشها در ابعاد بزرگ مشکل می باشد. بمنظور بهتر کردن مسائل مرزی، لال و شارما^[۲] (۱۹۹۶) روش نزدیکترین همسایه را برای نمونه گیری مجدد از سری های زمانی و کاربرد در شبیه سازی جریان آبراهه توسعه دادند. از روش نزدیکترین همسایه همچنین در شبیه سازی هواشناسی روزانه تصادفی استفاده شده است (Rajagopalan and Lall, 1999; Yates et al., 2003).

پسندیده فرد و همکاران (۱۳۸۷) جريان پتانسيل، همراه با كاويتاسيون گسترده و جزيي، با استفاده از روش المان مرزي بررسي کردند. براي اين منظور، توزيع گردابه در مرز جريان مورد استفاده قرار گرفت. روي سطح خيس شده هيدروفويل – كاويتي شرط نفوذ ناپذيري و روي سطح خيس شده كاويتي شرط سرعت مماسي ثابت و در لبه انتهايي هيدروفويل براي كاويتاسيون جزيي شرط كوتا و براي كاويتاسيون گسترده، شرط پيوستگي سرعت مماسي اعمال شد. در اين روش، طول كاويتي معلوم فرض شد و يك شكل اوليه فرضي براي كاويتي در نظر گرفته شد. نتايج حل عددي جريان كاويتاسيون جزيي حول هيدروفويل NACA0009  و كاويتاسيون گسترده حول هيدروفويل صفحه تخت و گوه با نتايج تجربي مقايسه شدند. در كاويتاسيون جزيي، نتايج بيانگر صحت اين روش عددي تا طول كاويتي كمتر از حدود ۰٫۷۵  وتر است كه براي تطابق بهتر با نتايج تجربي از روش جديدي استفاده شد. در اين روش كه تاثير يك گردابه مستقل در خلاف جهت عقربه ساعت كه در كاويتاسيون جزيي و در پايين دست جريان شكل مي گيرد، مورد بررسي قرار گرفت. همچنين، تاثير تغيير نقطه شروع كاويتي بررسي شد كه نشان داد اثر زيادي بر نمودار نسبت ضخامت به طول كاويتي ندارد.

جلالی و همایی (۱۳۹۰) نوعي از الگوريتم هاي غير پارامتريک از نوع يادگيرنده هاي تنبل موسوم به -k نزديکترين همسايه، براي تخمين هدايت هيدروليکي اشباع خاک با استفاده از ديگر ويژگيهاي کمکي خاک شامل توزيع اندازه ذرات، هدايت الكتريكي عصاره اشباع (ECe)، رطوبت اشباع، درصد کربن آلي(OC) ، مقدار مواد خنثي شونده (TNV) و جرم ويژه حقيقي و ظاهري بکار گرفتند. بر اساس تکنيک ارزيابي تقاطعي براي تخمين هدايت هيدروليکي اشباع هر نمونه خاک هدف، تعداد ۱۰ نمونه خاک که حداکثر تشابه با خاک هدف را داشتند، از بانک مرجع که حاوي ۱۵۱ نمونه خاک بود، انتخاب و مقدار هدايت هيدروليکي اشباع آنها برآورد گرديد. استفاده از
آماره هاي ضريب همبستگي پيرسون(r=0.801) ، خطاي ماکزيمم (ME=120.4)، ريشه ميانگين مربعات خطا (RMSE=71.5)، ضريب تبيين(CD=1.32) ، کارآيي مدل (EF=0.65) و ضريب جرم باقيمانده (CRM=-0.046) نشان داد که در بيشتر موارد، اين تکنيک بصورتي قابل قبول توانايي تخمين کميت مورد نظر را دارد. بر اين اساس، مي توان نتيجه گيري کرد که استفاده از اين تکنيک به عنوان روشي جايگزين براي اشتقاق توابع انتقالي خاک، به ويژه هنگامي که فراهمي
داده هاي جديد؛ نياز به اشتقاق مجدد اين توابع را الزام آور مي کند، مي تواند بکار رود.

حق وردی و همکاران (۱۳۸۹) كارايي مدل هاي شبكه عصبي مصنوعي (NNs) آموزش داده شده با نمونه هاي خاک منتج از جريان خروجي چند مرحله اي (NeuroMultistep outflow) و
مدل هاي نزديك ترين K همسايه (KNN) در اشتقاق توابع انتقالي به منظور تعيين ميزان رطوبت در ظرفيت زراعي و پژمردگي دايم براي ۱۲۲ نمونه خاك از شمال و شمال شرق ايران مورد بررسي قرار دادند. همچنين تاثير عوامل ورودي مختلف و نوع داده به كار رفته براي اشتقاق هر دو روش معين شد. نتايج حاصله نشان دادند كه در كل روش  (RMSE=0.027) KNN نسبت به (RMSE=0.037) NNs نتايج بهتري داشت. همچنين مي توان گفت كه حساسيت مدل هاي شبكه عصبي به كيفيت و نوع داده هاي به كار رفته براي آموزش بسيار بالاست و همگن نبودن داده ها باعث كاهش كارايي مدل هاي شبكه عصبي و افزايش ۱۰۰ درصدي خطا شد. همچنين نتايج نشان دادند كه در نظر گرفتن خصوصيات هيدروليكي به عنوان متغيرهاي ورودي در شبكه عصبي باعث ارتقا نتايج مدل سازي شد.

سنگدل و مقدم (۱۳۸۱) جهت برآورد تراكم جمعيت گونه هاي درمنه دشتي Artemesia sieberi و شال دم Stipa hohenacheriana، هفت روش فاصله اي زوجهاي تصادفي، نزديكترين فرد، نزديكترين همسايه، زاويه منظم، نقطه يك چهارم، يك چهارم سرگردان، روش تلفيقي با چلر و نيز روش كوادرات در تيپ علفزار – بوته زار منطقه استپي جنوب غرب تهران (رود شور) را مورد مقايسه قرار دادند. در اين بررسي تراكم برآورد شده و زمان صرف شده با روشهاي مختلف با شاهد و يا يكديگر مقايسه شدند. از ميان روشهاي ذكر شده، دو روش زوجهاي تصادفي و نزديكترين همسايه در برآورد تراكم جمعيت هاي درمنه و شال دم از كارآيي بيشتري برخوردار بودند.

پهنه بندي مكاني و كاربرد يك روش كمي جهت استخراج مناطق همگن فيزيكي شبكه هاي آبياري و نمايش قابليت اين روش در يك شبكه آبياري واقعي ميباشد. تكنيك مورد استفاده جهت پهنهبندي مكاني، روش K-Means  بود. داده هاي مورد استفاده به عنوان ورودي مدل خوشه بندي كلاسيك بصورت یک ماتریس ۵* ۱۶۲ بعدی بود که همان خصوصيات فيزيكي و فني كانالهاي انتقال شبكه آبياري قزوين ميباشند. بر اساس شاخص صحت سنجي خوشه بندي ديويس- بولدين تعداد بهينه خوشه ها برابر ۱۰ خوشه بدست آمد. هر كدام از ،(DB) خوشه هاي بدست آمده معرف يك ناحيه همگن در سطح شبكه بودند كه مديران شبكه را قادر خواهد ساخت دامنه تصميم گيريهاي خود را از محدوده وسيعي در ابعاد يك شبكه به محدوده كوچكتري در ابعاد چند منطقه همگن محدود كاهش دهند. اين امر سبب سهولت مديريت و ارزيابي و تصميم گيري در سطح مناطق همگن و نيز صرفه جوئي در زمان و هزينه مديريت خواهد شد (منعم و هاشمی، ۱۳۹۰).

تشکیل گردابه در ورودی ها می تواند شبب خسارت، گرفتگی، کاهش راندمان جریان و حتی کاهش طول عمر شود. برای پیش بینی عملی ریسک گردابه ای، مهندسان اغلب پارامترهای طراحی مورد انتظار را با داده های منتشر یافته با استفاده از پارامتر مجاور برای ارزیابی ریسک تشکیل گردابه مقایسه می کنند. روش داده های مجاور با اجرای الگوریتم نزدیکترین همسایه  روی داده های مزرعه ای و آزمایشگاهی توسعه داده شد. این پایگاه داده تقسیم و پارامترهای یادگیری ماشین برای بدست آوردن مدل تصادفی با حداکثر دقت پیش بینی، اصلاح
شدند (Quentin et al., 2011).

در تحقیقی، با استفاده از روش تركيبي از تخمين نزديكترين همسايه و با كمك ارائه يك روش سازگار در تعيين ابعاد بلوك تصوير Range راه حلي براي فشرده سازي تصاوير ارائه كرده شد كه اولاً تصوير نهايي پس از بازيابي از مطلوبيت مناسب برخوردار باشد و ثانيا با توجه به انتخاب محدوده مناسب در همسايگي بلوک ها به همراه انتخاب وقفی ابعاد بلوك مورد نظر ، سرعت اجرايي الگوريتم نسبت به ساير روش هاي ارائه شد و در مقايسه با كيفيت آنها از بهبود نسبي برخوردار بود. روش مذكور در محيط Matlab پياده سازي و بر روي چندين تصوير مورد تحليل قرار گرفت كه نتايج بدست آمده حاكي از مطلوب بودن اين روش در قياس با ساير روش ها
بود (جم پور و همکاران، ۱۳۸۷).

دقت تكنيك هاي NB,k-NN براي رده بندي داده ها با توجه به معيار سطح زيرمنحني مقايسه شد. تاثير عواملي مانند اندازه مجموعه داده، تعداد صفحات پيوسته و گسسته ي مستقل و عدم وجود داده نامعلوم در شرايط استقلال مجموعه داده از مسئله خاص مورد بررسي قرار گرفت. نتايج بدست آمده بيانگر آن بودكه K-NN در اكثر موارد بهتر از NB عمل مي نمايد در شرايطي كه تركيبي از صفحات پيوسته و گسسته وجود داشته باشد و نسبت تعداد صفحات پيوسته به گسسته بيشتر باشد NB خيلي ضعيف تر از K-NN عمل مي كند. اما زماني كه اين نسبت كمتر شود، دقت NB بهبود مي يافت ولي همواره كمتر از K-NN بود (رضایی و همکاران، ۱۳۸۷).

از رهيافت ناپارامتري بازنمونه گيري K نزديكترين همسايه جهت توليد داده هاي دماي بيشينه ،كمينه، بارندگي و رطوبت نسبي در ايستگاه منتخب قزوين طي دوره آماري ۴۵ ساله
( ۲۰۰۵-۱۹۶۱ ) استفاده شد. نتايج حاصله نشان داد كاربست اين رهيافت در شبيه سازي مقادير داده هاي دماي بيشينه و كمينه رضايتبخش بود. ولي جهت توليد داده هاي رطوبت نسبي و بارش نيازمند توسعه و اصلاحلات بيشتر بود. در مجموع توانمندي اين مدل در فرآيند شبيه سازي اطلاعات آب و هوايي قابل توجه بود (قمقامی و همکاران، ۱۳۸۹).

[۱] Colorado

[۲] Lall and Sharma

……………………………

۴- اهداف تحقیق:

…………………………………….

۵- فرضيه ‏هاي تحقیق:

…………………………………….

۶- مدل تحقیق

…………………………

۷- سوالات تحقیق:

…………………………………….

۸- تعريف واژه‏ها و اصطلاحات فني و تخصصی (به صورت مفهومی و عملیاتی):

…………………………………….

۹- بیان جنبه نوآوری تحقیق:

………………………….

۱۰- روش شناسی تحقیق:

الف: شرح كامل روش تحقیق بر حسب هدف، نوع داده ها و نحوه اجراء (شامل مواد، تجهيزات و استانداردهاي مورد استفاده در قالب مراحل اجرايي تحقيق به تفكيك):

………………………….

ب- متغيرهاي مورد بررسي در قالب یک مدل مفهومی و شرح چگونگی بررسی و اندازه گیری متغیرها:

…………………………………….

ج – شرح کامل روش (ميداني، كتابخانه‏اي) و ابزار (مشاهده و آزمون، پرسشنامه، مصاحبه، فيش‏برداري و غيره) گردآوري داده‏ها :

…………………………………….

د – جامعه آماري، روش نمونه‏گيري و حجم نمونه (در صورت وجود و امکان):

…………………………………….

ر- روش نمونه گیری و حجم نمونه:

…………………………………….

ز- ابزار تحقیق:

…………………………………….

هـ – روش‌ها و ابزار تجزيه و تحليل داده‏ها:

…………………………………….

منابع :

…………………………………….

آسان داک: www.Asandoc.com

دانلود نمونه پروپوزال تکمیل شده، پروژه پر شده، طرح پیشنهادیه آماده