مدل های نشت آب مبتنی بر GPR در سیستم های توزیع آب
چکیده
این مقاله، مساله نشت در سیستم های توزیع آب را از طریق استفاده از راداز نفوذ در زمین (GPR) به عنوان یک روش غیرمخرب، پیگیری می کند. تست های آزمایشگاهی برای استخراج ویژگی های نشت آب از تصاویر به دست آمده از GPR انجام شده اند. به علاوه، یک تست در یک سیستم شهری واقعی تحت شرایط واقعی اجرا شد. استخراج ویژگی ها توسط تفسیر تصاویر GPR با حمایت از یک روش پیش پردازشی مبتنی بر یک ترکیب مناسبی از روش های آماری و سیستم های چند عاملی انجام شد. در این مقاله، نتایج این تست ها ارائه، تفسیر، آنالیز و بحث شدند.
1. مقدمه
آب ارزشمند می باشد، اما مدیریت آن چالش برانگیز است. تخمین زده شده است که بسیاری از سیستم های توزیع آب (WDS) در سرتاسر جهان، قبل از اینکه به مصرف کننده نهایی برسند، بیشتر از 40% از آب پاکیزه ی (تصفیه شده) پمپ شده به درون سیستم های توزیع را به دلیل نشت از دست می دهند. به وسیله ی کاهش مقدار نشت آب، مدیران WDS می توانند مقدار پول و انرژی تلف شده برای تولید و پمپ آب را کاهش دهند، قابلیت اطمینان سیستم را افزایش دهند و به سهولت بیشتری نیازهای حال و آینده ی مصرف کننده را برطرف کنند. دستیابی به اطلاعات کافی در مورد نشت، یک کار پیچیده می باشد. بسیاری از صنایع آب، برای ارزیابی و تعیین محل نشت در شبکه های توزیع تلاش می کنند. بهبود مدیریت نشت در WDSs یکی از راه حل های زیرکانه ای می باشد که می تواند یک تفاوت را ایجاد کند. استفاده از انواع مختلف سنسورهای هوشمند برای گردآوری داده ها و کاربرد روش های تحلیلی پیچیده می توانند اطلاعات ارزشمندی را درباره ی محل نشت در شبکه فراهم کنند. به ویژه، روش های غیر تخریبی مانند رادار نفوذ به زمین (GPR)، می تواند به تعیین موقعیت اصلی نشت کمک کند و بنابراین به حل مساله کمک می کند، و از وارد آمدن هزینه های اقتصادی و اجتماعی اجتناب می کنند.
Abstract
This paper addresses the problem of leakage in water distribution systems through the use of ground penetrating radar (GPR) as a nondestructive method. Laboratory tests are performed to extract features of water leakage from the obtained GPR images. Moreover, a test in a real-world urban system under real conditions is performed. Feature extraction is performed by interpreting GPR images with the support of a pre-processing methodology based on an appropriate combination of statistical methods and multi-agent systems. The results of these tests are presented, interpreted, analyzed and discussed in this paper.
1. Introduction
Water is valuable, but challenging to manage. It has been calculated that many water distribution systems (WDSs) around the world lose more than 40 percent of the clean water pumped into the distribution system because of leaks before that water reaches end consumers [1]. By reducing the amount of water leaked, WDS managers can reduce the amount of money and energy wasted on producing and pumping water, increase system reliability and more easily satisfy present and future consumer needs. Having access to sufficient information regarding leaks is a complex task. Many water utilities struggle to measure and locate leaks in their distribution networks. Improved leakage management in WDSs is one of the intelligent solutions that can make a difference. The use of different types of smart sensors to gather data and the application of advanced analytics could provide valuable information on the location of leaks in the network. Specifically, non-destructive methods, such as ground penetrating radar (GPR), can help locate primordial leaks and, so, help resolve the problem, while avoiding social and economic costs.
چکیده
1. معرفی و اهداف
2. روش ها
3. پرسش نامه
3.1 زمان گزارش (مطالعه)
3.2 مصاحبه سازمان یافته
4. نتایج
5. خصوصیات (ویژگی‌های) نمونه
5.2 تفاوت در پاسخ
5.2 آمادگی دندان پزشک برای کمک
5.3 سابقه دندان‌پزشک
6.توانایی دندان‌پزشک برای توصیف روند دندان‌پزشکی
7.جو موجود در تاسیسات دندان‌پزشکی
8.بحث
9.نتیجه‌گیری
Abstract
1. Introduction
2. Data Capturing: Design and Layout of the Laboratory Tests
3. Analysis of the Location and Identification of Hyperbolas from the Raw Images
3.1. Initial State: Raw Images
3.2. Final State: Raw Images
4. Analysis: Contrast between Raw Images for the Initial and Final States
5. Analysis of Location and Identification of Anomalies in Pre-Processed Images
5.1. Multi-Agent System for the Pre-Processing Algorithm
5.2. Initial State: Pre-Processed Images
5.3. Final State: Pre-Processed Images
6. Analysis: Contrast between Pre-Processed Images
7. 3D Comparison of the Analysis of Contrasts between Raw and Pre-Processed Images
8. Analysis of Field Images: A Case Study
9. Conclusions
- ترجمه فارسی مقاله با فرمت ورد (word) با قابلیت ویرایش، بدون آرم سایت ای ترجمه
- ترجمه فارسی مقاله با فرمت pdf، بدون آرم سایت ای ترجمه