پیش بینی تقاضای کوتاه مدت آب شهر تهران با استفاده از شبکه های عصبی مصنوعی

پیش بینی تقاضای کوتاه مدت آب شهری کمک موثری به مدیران و بهره برداران سیستمهای آب شهری می باشد تا بتوانند نسبت به مدیریت صحیح مصرف، مخازن، پمپها، شیرآلات و تصفیه خانه ها اقدام نمایند. مصرف کوتاه مدت آب تابعی از پارامترهای مختلف و متنوع مانند شرائط اقلیمی و هواشناسی، مناسبتهای فرهنگی، اقتصادی، اجتماعی و مصارف گذشته می باشد. بدلیل همین تنوع، پیش بینی مصرف کوتاه مدت بصورت تحلیلی بسیار مشکل و یا ناممکن می باشد. در این شرایط استفاده از سیستمهای هوشمند مانند شبکه های عصبی مصنوعی می تواند بعنوان یک گزینه راه گشا مطرح گردد. در این تحقیق با استفاده از شبکه های عصبی پرسپترون چند لایه و با الگوریتم آموزشی پس انتشار خطا، میزان مصرف یک روزه آب شهر تهران بر اساس پارامترهای هواشناسی و داده های تاریخی مصارف گذشته پیش بینی می شود. نتایج این تحقیق نشان میدهد که با اطلاعات محدود قابل دسترس، شبکه عصبی با دو لایه نهان که به ترتیب دارای یک و هفت نرون می باشند توانسته است میزان تقاضای روزانه آب شهر تهران را با ضریب همبستگی بیش از 80 درصد و خطای متوسط حدود دو درصد تخمین بزند. بدیهی است با افزایش تعداد داده ها در یک دوره زمانی گسترده تر، میزان دقت مدل قابل بهبود می باشد. در این مقاله همچنین با استفاده از شبکه های عصبی مصنوعی، یک فرمول ساده برای پیش بینی میزان مصرف روزانه آب شهر تهران تولید شده است و با ورود داده های درجه حرارت هوا و مصرف آب روز قبل، میزان مصرف روز بعد بدست میاید. نتایج این تحقیق نشان میدهد که این فرمول قادر است میزان تقاضای روزانه آب شهر تهران را با میانگین خطای مطلق حدود 3 درصد، تخمین بزند.