پیش بینی تقاضای روزانه آب شهری با استفاده از شبکه های عصبی مصنوعی، مطالعه موردی: شهر تهران

پیش بینی تقاضای آب در سیستم های آبرسانی و توزیع آب، با توجه به کمک شایانی که می تواند به مدیران این مجموعه ها برای مدیریت بحران (حداقل و حداکثر مصرف) داشته باشد، از اهمیت بالایی برخودار است. پیچیدگی و تأثیر عوامل و پارامترهای مختلف بر میزان تقاضای آب در این سیستم ها، سبب گردیده است که روشهای تحلیلی و ریاضی کارایی لازم را در این زمینه نداشته باشند. در این مقاله روش شبکه های عصبی مصنوعی برای برآورد تقاضای روزانه آب شهری تهران به کار رفت. پارامترهای هواشناسی مربوط به سه ایستگاه هواشناسی تهران بزرگ به روش تیسن وزن دهی شده و از میانگین وزنی آنها، داده های ورودی مدل به دست آمد. با ایجاد همبستگی بین میانگین وزنی پارامترهای هواشناسی و داده های مصرف، پارامترهای مؤثر مدل انتخاب شدند. پارامترهای مؤثر انتخاب شده شامل دمای متوسط روزانه، رطوبت نسبی، مصرف روزانه یک روز قبل تا مصرف روزانه یک هفته قبل (هفت روز) و مصرف روزانه یک سال قبل بودند. در این مقاله از شبکه های عصبی مصنوعی پرسپترون سه لایه با خروجی خطی و غیرخطی، مدل پرسپترون چهار لایه با خروجی غیرخطی و مدل rbf استفاده شد. مقایسه نتایج مدل ها با همدیگر و با نتایج مدل های نروفازی و روشهای سری زمانی ساخته شده در تحقیقات دیگر، نشان می دهد که مدل های شبکه عصبی از قابلیت بالایی برای مدل سازی تقاضای روزانه آب شهری برخوردارند. در این میان، مدل پرسپترون سه لایه با خروجی غیرخطی، دقت بالاتری دارد.