مدیریت و تحلیل غیرخطی سیستم گندزدایی شبکه‌های توزیع آب با استفاده از روش‌های داده‌محور

به‌منظور تأمین آب آشامیدنی سالم و حذف عوامل بیماری‌زا در شبکه‌های توزیع آب، از واحد کلرزنی استفاده می‌شود. یکی از شیوه‌های مناسب برای تحلیل عملکرد کلر درون شبکه آبرسانی، استفاده از روش‌های داده‌محور است. در پژوهش حاضر شبکه عصبی پرسپترون چندلایه (MLP) با سه الگوریتم آموزش کاهش شیب، شیب مزدوج و BFGS به همراه ماشین‌بردار پشتیبان (SVM) با تابع کرنل RBF در برآورد غلظت کلر باقیمانده در شبکه‌های آبرسانی احمدآباد دئفه و اهروییه واقع در استان کرمان مورد استفاده قرار گرفت. در این پژوهش داده‌های روزانه شامل دبی آب تولیدی، مصرف کلر و کلر باقیمانده از ابتدای سال 1391 تا پایان 1393 به‌مدت 3 سال به‌کار گرفته شد. به‌منظور ارزیابی عملکرد مدل‌های مورد بررسی از معیارهای راندمان نش‌ساکلیف(NS)، ریشه میانگین مربعات خطا (RMSE)، میانگین درصد خطای مطلق (MAPE) و ضریب همبستگی (CORR) استفاده شد. این مقادیر در بهترین حالت مدل‌سازی به‌ترتیب برابر با 9484/0، 0255/0، 081/1 و 974/0 بودند. با توجه به معیارهای ارزیابی، مدل MLP با الگوریتم BFGS در 90 درصد و با الگوریتم شیب مزدوج در 10 درصد موارد نسبت به نتایج کل مدل‌ها برتری داشتند، در حالی که مدل MLP بر پایه الگوریتم کاهش شیب و مدل SVM در هیچ یک از موارد برتر نبوده‌اند. با توجه به نتایج حاصل از پژوهش حاضر، مدیریت مناسب غلظت کلر را می‌توان با توجه به مقادیر پیش‌بینی شده میزان کلر باقیمانده، در شبکه آبرسانی اعمال نمود به‌طوری که کاهش عملکرد شبکه پرسپترون و ماشین‌بردار پشتیبان در شبکه آبرسانی اهروییه نسبت به شبکه احمدآباد دئفه را می‌توان ناشی از مدیریت ناصحیح کلرزنی دانست.