ياسين بونو
28-07-2022, 01:15
https://vbessarabskij.ru/wp-*******/uploads/2022/02/09356c3db5f9b51f6485e3dca973f583.jpg
يعد اكتشاف التسرب مشكلة أساسية في إدارة المياه. يتم التعبير عن أهميتها ليس فقط في تجنب هدر الموارد ، ولكن أيضًا في حماية البيئة وسلامة الموارد المائية. لذلك ، يتم حث بشكل متزايد على الكشف المبكر عن التسرب. استخدم هذا البحث طريقة ذكية لاكتشاف التسرب تعتمد على نموذج باستخدام معلمات إحصائية مستخرجة من إشارات الانبعاث الصوتي (AE). نظرًا لأن إشارات التسرب تعتمد على العديد من ظروف التشغيل ، فعادةً ما يكون لبيانات التدريب في مواقف الحياة الواقعية حجم صغير. لحل مشكلة حجم العينة الصغير ، تم اقتراح طريقة لتحسين البيانات تعتمد على تعزيز قدرة التعميم للبيانات. لتقييم فعالية الطريقة المقترحة ، استخدمت هذه الدراسة مجموعات البيانات التي تم الحصول عليها من حالتين من حالات التسرب الاصطناعي التي تم إنشاؤها بواسطة ثقوب بأقطار 0.3 مم و 0.2 مم. تظهر النتائج التجريبية أن توظيف كتلة تحسين البيانات الإضافية في مخطط الكشف عن التسرب يعزز جودة اكتشاف التسرب من حيث الدقة والاستقرار.
شركة كشف تسربات المياه بشرق الرياض
(https://homeservicess.com/%d8%b4%d8%b1%d9%83%d8%a9-%d9%83%d8%b4%d9%81-%d8%aa%d8%b3%d8%b1%d8%a8%d8%a7%d8%aa-%d8%a7%d9%84%d9%85%d9%8a%d8%a7%d9%87-%d8%a8%d8%b4%d8%b1%d9%82-%d8%a7%d9%84%d8%b1%d9%8a%d8%a7%d8%b6/)تتعرض شبكات إمدادات المياه للتسرب ، مما يؤدي إلى فقدان كميات كبيرة من المياه. ومن ثم ، فمن الضروري تنفيذ نظام للكشف عن التسرب وتحديد موقعه من خلال محاكاة شبكات المياه وأجهزة الاستشعار التي تدعم إنترنت الأشياء والتي ستمكن من اكتشاف التسربات وإصلاحها بشكل أسرع مثل التسريبات تحت الأرض ، والتي لولا ذلك لن يتم اكتشافها لفترات طويلة. تقدم هذه الدراسة إجراءً واضحًا ومفصلاً لإعداد شبكة المياه ومحاكاة التسرب في EPANET ، لإنشاء مجموعة البيانات ، وتطبيق مصنفات التعلم الآلي للتنبؤ بالتسرب ولتطبيق النظام المقترح على نظام اكتشاف التسرب في العالم الحقيقي. باستخدام تحليل الفترة الممتدة في EPANET ، تم استخدام بواعث لنمذجة التسربات بأحجام مختلفة وفي مواقع مختلفة ، مع مراعاة قيود العالم الحقيقي. تسبب التسريبات تغييرات في معلمات الشبكة الديناميكية مثل الضغط والتدفق. تم استخدام هذه الحقيقة لتنفيذ التنبؤ بالتسرب. بمجرد التحقق من صحة النموذج المحاكي ، يمكن استخدام مصنفات التعلم الآلي المدربة للتنبؤ بالتسريبات وتحديد موقعها في الوقت الفعلي.
يعد اكتشاف التسرب مشكلة أساسية في إدارة المياه. يتم التعبير عن أهميتها ليس فقط في تجنب هدر الموارد ، ولكن أيضًا في حماية البيئة وسلامة الموارد المائية. لذلك ، يتم حث بشكل متزايد على الكشف المبكر عن التسرب. استخدم هذا البحث طريقة ذكية لاكتشاف التسرب تعتمد على نموذج باستخدام معلمات إحصائية مستخرجة من إشارات الانبعاث الصوتي (AE). نظرًا لأن إشارات التسرب تعتمد على العديد من ظروف التشغيل ، فعادةً ما يكون لبيانات التدريب في مواقف الحياة الواقعية حجم صغير. لحل مشكلة حجم العينة الصغير ، تم اقتراح طريقة لتحسين البيانات تعتمد على تعزيز قدرة التعميم للبيانات. لتقييم فعالية الطريقة المقترحة ، استخدمت هذه الدراسة مجموعات البيانات التي تم الحصول عليها من حالتين من حالات التسرب الاصطناعي التي تم إنشاؤها بواسطة ثقوب بأقطار 0.3 مم و 0.2 مم. تظهر النتائج التجريبية أن توظيف كتلة تحسين البيانات الإضافية في مخطط الكشف عن التسرب يعزز جودة اكتشاف التسرب من حيث الدقة والاستقرار.
شركة كشف تسربات المياه بشرق الرياض
(https://homeservicess.com/%d8%b4%d8%b1%d9%83%d8%a9-%d9%83%d8%b4%d9%81-%d8%aa%d8%b3%d8%b1%d8%a8%d8%a7%d8%aa-%d8%a7%d9%84%d9%85%d9%8a%d8%a7%d9%87-%d8%a8%d8%b4%d8%b1%d9%82-%d8%a7%d9%84%d8%b1%d9%8a%d8%a7%d8%b6/)تتعرض شبكات إمدادات المياه للتسرب ، مما يؤدي إلى فقدان كميات كبيرة من المياه. ومن ثم ، فمن الضروري تنفيذ نظام للكشف عن التسرب وتحديد موقعه من خلال محاكاة شبكات المياه وأجهزة الاستشعار التي تدعم إنترنت الأشياء والتي ستمكن من اكتشاف التسربات وإصلاحها بشكل أسرع مثل التسريبات تحت الأرض ، والتي لولا ذلك لن يتم اكتشافها لفترات طويلة. تقدم هذه الدراسة إجراءً واضحًا ومفصلاً لإعداد شبكة المياه ومحاكاة التسرب في EPANET ، لإنشاء مجموعة البيانات ، وتطبيق مصنفات التعلم الآلي للتنبؤ بالتسرب ولتطبيق النظام المقترح على نظام اكتشاف التسرب في العالم الحقيقي. باستخدام تحليل الفترة الممتدة في EPANET ، تم استخدام بواعث لنمذجة التسربات بأحجام مختلفة وفي مواقع مختلفة ، مع مراعاة قيود العالم الحقيقي. تسبب التسريبات تغييرات في معلمات الشبكة الديناميكية مثل الضغط والتدفق. تم استخدام هذه الحقيقة لتنفيذ التنبؤ بالتسرب. بمجرد التحقق من صحة النموذج المحاكي ، يمكن استخدام مصنفات التعلم الآلي المدربة للتنبؤ بالتسريبات وتحديد موقعها في الوقت الفعلي.