Skip to main content
SUPERVISOR
مهدی بیجاری (استاد راهنما) پژمان روحی نجف آبادی (استاد مشاور) مهدی خاشعی اشیانی (استاد مشاور) میثم رسولی (استاد مشاور)
 
STUDENT
Saba Tamizi
صبا تمیزی

FACULTY - DEPARTMENT

دانشکده مهندسی صنایع
DEGREE
Master of Science (MSc)
YEAR
1395

TITLE

Application of artificial neural networks for forecasting the leakage of gas polyethylene pipes
For half a century in gas distribution networks, polyethylene pipes with advantages such as non-corrosion, ease of implementation and operation cost reduction considered as a replacement for metal pipes. Considering the Irrecoverable gas leakage events, leakage forecast has great importance and this forecast can be used as a strategy for designing gas pipeline iection programs. Because of the lack of research in the field of the forecast of polyethylene pipes leakage, in this thesis, the leakage degree will be forecasted by collection data proportional to the effective factors leakage in this type of pipes. For this purpose, 32 factors were identified as the primary factors affecting the leakage of these pipes. Finally, by examining the data and opinion of the experts, eight factors were selected as the final factors.
حدود نیم قرن است که در شبکه‌‌های گازرسانی، لوله‌‌های پلی‌‌اتیلن به دلیل داشتن مزاِیایی از جمله عدم خوردگی، سهولت اجرا و کاهش هزینه‌‌های بهره‌‌داری جایگزین لوله‌‌های فلزی شده­اند. با توجه به حوادث غیر قابل جبران نشتی گاز، پیش‌‌بینی نشت از اهمیت فراوانی برخوردار بوده و این پیش‌‌بینی می‌‌تواند به عنوان یک استراتژی برای تدوین برنامه‌‌های بازرسی لوله‌‌های گاز به کار گرفته شود. به دلیل نبود پژوهشی در زمینه‌‌ی پیش‌‌بینی نشت لوله‌‌های پلی‌‌اتیلن، در این پایان‌‌نامه با جمع‌‌آوری داده‌‌هایی متناسب با فاکتورهای موثر در نشت این جنس از لوله‌‌ها، به پیش‌‌بینی درجه‌‌ی نشت پرداخته ‌‌می‌‌شود. بدین منظور 32 فاکتور به عنوان فاکتورهای اولیه­ی موثر در نشت این لوله­ها شناسایی شدند.در نهایت با بررسی داده­ها و نظر خبرگان هشت فاکتور به عنوان فاکتورهای نهایی انتخاب گردید.

ارتقاء امنیت وب با وف بومی