کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
6963660 1452289 2014 15 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
Adaptive surrogate modeling for optimization of flood control detention dams
ترجمه فارسی عنوان
مدل سازی جایگزین سازگار برای بهینه سازی سدهای بازداشت سیل کنترل
کلمات کلیدی
ترجمه چکیده
مشکلات بهینه سازی دنیای واقعی معمولا نیاز به مدل های پیچیده محاسباتی پیچیده ای دارند که در عمل کاربردی می تواند محدود باشد. برای رسیدگی به این نقص، روش های متا مدل سازی متفاوت در ادبیات ارائه شده است. این مطالعه یک چارچوب مدل سازی سازگار برای حل یک مشکل طراحی ابعاد بعدی را با ترکیب یک مدل هیدرودینامیکی، یک الگوریتم ژنتیک چند هدف و شبکه عصبی مصنوعی به عنوان مدل جایگزین نشان می دهد. رویکرد آموزش پویا پیشنهادی شامل تکنیک های پر کردن فضای ویژه و استراتژی های کنترل است تا به صورت دوره ای مدل جایگزین را به روز کند و سطح پیشرفت راه حل ها را به عنوان پیشرفت بهینه سازی حفظ کند. به منظور تست کارایی روش پیشنهادی، یک برنامه آزمایشی در مدیریت سیل بر اساس یک مطالعه موردی در ایران انجام شد. نتایج نشان داد که رویکرد صرفه جویی در زمان 74٪ صرفه جویی در حالی که حفظ کیفیت راه حل در مقایسه با مدل اصلی شبیه سازی نشان دهنده پایداری این رویکرد است.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر نرم افزار
چکیده انگلیسی
Real world optimization problems commonly require complex computationally demanding models which use in practice could be limited. To address this drawback, different meta-modeling approaches have been proposed in the literature. This study represents an adaptive meta-modeling framework to solve a high dimensional design problem by coupling a hydrodynamic model, a multi objective genetic algorithm and artificial neural network as the surrogate model. The proposed dynamic learning approach includes special space filling techniques and control strategies to periodically update surrogate model and keep the fidelity level of solutions as the optimization progresses. An experimental application on flood management based on a case study in Iran was carried out in order to test the efficiency of the proposed approach. Results showed the approach provides a 74% time saving while maintaining the quality of solutions when compared with those of the original simulation model indicating the viability of the approach.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: Environmental Modelling & Software - Volume 61, November 2014, Pages 106-120
نویسندگان
, ,